文献

J-GLOBAL ID：201802233890899864   整理番号：18A0137306

光場からの形状復元のためのニューラルEPI体積ネットワーク【Powered by NICT】

Neural EPI-Volume Networks for Shape from Light Field

著者 (3件)： Heber Stefan ,  Yu Wei ,  Pock Thomas
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 2271-2279  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： 本論文では,光場(LF)データからの幾何学的情報を抽出するための新しい深い回帰ネットワークを提案した。筆者らのネットワークは,u-shapedネットワークアーキテクチャに基づいている。これらネットワークは二対称部分,符号化と復号化部分を含んでいる。最初の部分では,ネットワークは高レベル特徴マップのセットに与えられた入力からの関連情報をコードしていた。第二部では生成された特徴マップは,望ましい出力に復号化された。信頼できるロバストな深さ情報を予測するために提案したネットワークは,エピポーラ平面画像(EPI)体積と呼ばれる4D LFの3Dサブセットを検討した。ネットワークの重要な側面は,3D畳込み層の使用,二空間次元からの情報とLFの一方向次元を伝搬させるためにできることである。以前の研究と比較してこれは追加的空間正則化,深さアーチファクトを低減することを可能にし,同時に明確な深さ非連続性を維持する。実験結果は筆者らのアプローチが高品質再構成結果,光場(SfLF)法からの現在の最先端の形状よりも優れているを作ることができることを示した。提案したアプローチの主な利点は,低計算時間で高品質の再構成を提供する能力である。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： ロバスト性 ,  正則化 ,  三次元 ,  アーチファクト ,  *ネットワーク ,  連続性 ,  ネットワークアーキテクチャ ,  再構成 ,  CPU時間 ,  畳込み ,  符号化 ,  復号化
準シソーラス用語： 高品質 ,  特徴マップ ,  *光学場 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  符号理論  (ND02030R)

タイトルに関連する用語 (4件)： 光場 ,  形状復元 ,  EPI ,  体積