文献

J-GLOBAL ID：201802228458681645   整理番号：18A0518494

マルチスケール深部ニューラルネットワークを用いた自動2Dから3Dへの変換【Powered by NICT】

Automatic 2D-to-3D conversion using multi-scale deep neural network

著者 (4件)： Lee Jiyoung (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Jung Hyungjoo (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Kim Youngjung (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Sohn Kwanghoon (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 730-734  発行年： 2017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： 自動2Dから3Dへの変換の課題のためのマルチスケール深い畳込みニューラルネットワーク(CNN)を提案した。,規範ビューからの仮想視野を,伝統的な方法は,分離した段階すなわち,推定された深さをもつ参照画像と深さ画像ベースレンダリング(DIBR)の深さ(または視差)推定から構成されている。対照的に,見え合成タスクを再定式化した空間変圧器モジュールを用いた画像再構成問題と監視としてのグランドトルース深度を持たない統一CNNフレームワークを持つステレオ画像ペアを作成した。粗レベルからの画像間の大きな変位を捕捉し,微細なレベルから詳細を強化するためにマルチスケール深層アーキテクチャを提案した。実験結果はKITTI駆動データセット上での定性的および定量的の両方で最新の手法よりも提案した方法の有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 計算機アーキテクチャ ,  画像再構成 ,  *二次元 ,  定式化 ,  視差 ,  立体画像 ,  *三次元 ,  画像
準シソーラス用語： グランドトゥルース ,  見え ,  画像ベースレンダリング ,  参照画像 ,  畳込みニューラルネットワーク ,  *ディープニューラルネットワーク ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マルチスケール ,  深部ニューラルネットワーク ,  2D ,  3D