文献

J-GLOBAL ID：201902269854736157   整理番号：19A2715721

光場画像からの教師なし単眼深度推定【JST・京大機械翻訳】

Unsupervised Monocular Depth Estimation From Light Field Image

著者 (5件)： Zhou Wenhui (School of Computer Science and Technology, Hangzhou Dianzi Uniersity, Hangzhou, China) ,  Zhou Enci (School of Computer Science and Technology, Hangzhou Dianzi Uniersity, Hangzhou, China) ,  Liu Gaomin (School of Computer Science and Technology, Hangzhou Dianzi Uniersity, Hangzhou, China) ,  Lin Lili (School of Information and Electronic Engineering, Zhejiang Gongshang University, Hangzhou, China) ,  Lumsdaine Andrew (Pacific Northwest Laboratory, Richland, WA, USA)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 29  ページ： 1606-1617  発行年： 2020年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： 光場からの学習に基づく深さ推定は近年著しく進歩した。しかしながら,ほとんどの既存のアプローチは,訓練のための膨大な量のグランドトルース深さデータを必要とする監督されたフレームワークの下にある。さらに,光場の正確な深さマップは,いくつかの合成データセットを除いてほとんど利用できない。本論文では,光場の多方向エピポーラ幾何学を利用し,教師なしの単眼深さ推定ネットワークを提案した。これにより,任意のグランドトルース情報なしに,光場の中心視野から深さを予測した。光場の固有の深さキューと幾何学的制約に触発されて,3つの新しい教師なし損失関数,すなわち測光損失,デフォーカス損失,および対称性損失を導入した。この方法を公共4D光場合成データセットで評価した。4Dライトフィールドベンチマークウェブサイトで発表された最初の教師なしの方法として,著者らの方法はほとんどの誤差計量において満足な性能を達成することができた。2つの最先端の教師なしの方法による比較実験は,著者らの方法の優位性を実証した。また,実世界の光場画像に対するこの方法の有効性と一般性を証明した。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： *画像 ,  有効性 ,  普遍性 ,  損失関数 ,  対称性 ,  *単眼 ,  測光 ,  ネットワーク ,  比較試験 ,  待ち行列
準シソーラス用語： デフォーカス ,  エピポーラ幾何 ,  奥行きマップ ,  グランドトゥルース ,  *光学場 , 【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 (5件)： 光場 ,  教師 ,  単眼 ,  深度 ,  推定