文献

J-GLOBAL ID：201802266701967398   整理番号：18A0518689

条件付き敵対的ネットワークによる単一画像からの深さ予測【Powered by NICT】

Depth prediction from a single image with conditional adversarial networks

著者 (5件)： Jung Hyungjoo (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Kim Youngjung (School of Electrical and Electronic Engineering, Yonsei University, Seoul, Korea) ,  Min Dongbo (Department of Computer Science and Engineering, Chungnam National University, Daejeon, Korea) ,  Oh Changjae (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： 1717-1721  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： 機械学習に関する最近の研究は,単一画像からの深さ推定の精度を大きく進展した。しかし,得られた深さ画像は視覚的に不満足な,しばしば不良境界局在と偽の領域を生成した。本論文では,深い敵対的学習フレームワークとして単一画像からこの問題を定式化した。2段階畳込みネットワークは深さ画像の大域的および局所的構造を予測する連続的に発電機として設計した。提案アプローチの中心は,可能な限り正確に実と発生した深さ画像を識別しようとする敵対的弁別器に基づく訓練基準である。著者らのモデルは,単一画像からのより現実的構造保存深さ予測,最先端手法と比較を可能にする。実験比較は,大きなRGB-Dデータセット上で提案アプローチの有効性を示した。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： モデリング ,  視覚 ,  モデル ,  *ネットワーク ,  *画像 ,  弁別器 ,  機械学習 ,  畳込み ,  学習 ,  定式化
準シソーラス用語： 最先端 ,  深度画像 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 敵対 ,  予測