文献

J-GLOBAL ID：201802227877589712   整理番号：18A2232544

単一画像からの屋内情景レイアウト推定【JST・京大機械翻訳】

Indoor Scene Layout Estimation from a Single Image

著者 (4件)： Lin Hung Jin (Dept. of Computer Science, National Tsing Hua University, Hsinchu, Taiwan) ,  Huang Sheng-Wei (Dept. of Computer Science, National Tsing Hua University, Hsinchu, Taiwan) ,  Lai Shang-Hong (Dept. of Computer Science, National Tsing Hua University, Hsinchu, Taiwan) ,  Chiang Chen-Kuo (Dept. of Computer Science and Information Engineering, National Chung Cheng University, Chiayi, Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 842-847  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ハンドデバイスと知的エージェントの人気により,多くは現実との相互作用における機械の可能性を探求することを目的としている。現実の相互作用の多くのファセットの間のシーン理解は,拡張現実(AR)のような応用におけるその関連性に対して多くの注目を集めている。シーン理解は,いくつかのサブタスク(すなわち,レイアウト推定,シーン分類,顕著性予測など)に分割することができる。本論文では,実時間で与えられた屋内画像のレイアウトを推定するための深い学習ベースの手法を提案した。著者らの方法は,深い完全畳込みネットワーク,新しいレイアウト退化増強法,および適応エッジペナルティと滑らかさ項を訓練プロセスに統合する新しい訓練パイプラインから成る。後処理精密化(例えば,提案ランキングと最適化)に依存する以前の深い学習ベースの方法と異なり,著者らの方法は,処理後の技術を展開することなく,ネットワークの一般化能力と推定されたレイアウトエッジの滑らかさを動機づける。さらに,提案した手法は,正確なレイアウトを与えるために,モデルの一つのフォワードパスのみを取るので,時間効率が良い。LSUN Room LayoutとHedauデータセットに関する著者らの方法を評価し,最先端の方法に匹敵する推定結果を得た。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  退化 ,  相互作用 ,  精密化 ,  学習 ,  ペナルティ ,  *画像 ,  等級づけ ,  平滑度 ,  畳込み ,  ファセット ,  最適化 ,  ネットワーク
準シソーラス用語： インテリジェントエージェント ,  *屋内 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 屋内 ,  情景 ,  レイアウト ,  推定