文献

J-GLOBAL ID：201902276687445575   整理番号：19A0965731

幾何学的制約による単眼深度,オプティカルフローおよびCamera姿勢のオクルージョン意識教師なし学習【JST・京大機械翻訳】

Occlusion-Aware Unsupervised Learning of Monocular Depth, Optical Flow and Camera Pose with Geometric Constraints

著者 (4件)： Teng Qianru (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Chen Yimin (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China) ,  Chen Yimin (Shanghai Institute for Advanced Communication and Data Science, Shanghai 200444, China) ,  Huang Chen (School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China)
資料名： Future Internet (Web)  (Future Internet (Web))
巻： 10  号： 10  ページ： 92  発行年： 2018年 
JST資料番号： U7190A  ISSN： 1999-5903  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 単眼ビデオから3つの低レベルビジョンタスクを共同的に学習するためのオクルージョン認識教師なしニューラルネットワークを提案した。すなわち,深さ,オプティカルフロー,カメラ運動である。このシステムは,結合損失項により同時に結合された3つの異なる予測サブネットワークから構成され,試験サンプルに独立して各タスクを計算することができる。伝統的にバンドル調整または姿勢グラフ最適化で使用されているシーン形状から抽出された幾何学的制約は,著者らのエンドツーエンド学習アプローチの間の様々な自己監視信号として形成される。以前の研究と異なり,画像再構成損失もオプティカルフローを考慮した。さらに,すべての3つのタスクの予測に対して,新しい3Dフロー一貫性制約を課した。二次元と三次元の幾何学的関係を明示的にモデル化することにより,推定出力に対して豊富な幾何学的制約を形成し,より薄いシーン構造を推論するための低レベル表現と高レベルキューの両方を獲得するシステムを可能にした。KITTIデータセットに関する経験的評価は,著者らの方式の有効性と改良を実証した。(1)単眼の深さ推定は,最先端の教師なしの方法より優れており,立体的に監視されたものに匹敵している。(2)オプティカルフロー予測は,特に非閉塞領域において,以前の研究の間のトップをランクし,特に,ビート管理と伝統的なものである。(3)姿勢推定は妥当なマージンを持つ同等の入力設定の下で確立されたSLAMシステムより優れている。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 三次元 ,  *オクルージョン ,  有効性 ,  録画装置 ,  モデリング ,  カメラ ,  *幾何学 ,  最適化 ,  ニューラルネットワーク ,  *オプティカルフロー ,  二次元 ,  *単眼 ,  予測 ,  *学習
準シソーラス用語： 姿勢推定 , 【Automatic Indexing@JST】

著者キーワード (6件)： 単眼深度 ,  カメラ姿勢 ,  オプティカルフロー ,  共同学習 ,  オクルージョン意識 ,  シーン幾何学

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (33件)：

• Yang, L.; Cheng, H.; Hao, J.; Ji, Y.; Kuang, Y. A Survey on Media Interaction in Social Robotics; Springer: Cham, Switzerland, 2015; pp. 181-190.
• Chen, C.; Seff, A.; Kornhauser, A.; Xiao, J. DeepDriving: Learning Affordance for Direct Perception in Autonomous Driving. In Proceedings of the IEEE International Conference on Computer Vision, Santiago, Chile, 7-13 December 2015; Volume 00, pp. 2722-2730.
• Carmigniani, J.; Furht, B.; Anisetti, M.; Ceravolo, P.; Damiani, E.; Ivkovic, M. Augmented reality technologies, systems and applications. Multimed. Tools Appl. 2011, 51, 341-377.
• Torresani, L.; Hertzmann, A.; Bregler, C. Nonrigid Structure-from-Motion: Estimating Shape and Motion with Hierarchical Priors. IEEE Trans. Pattern Anal. Mach. Intell. 2008, 30, 878-892.
• Wu, C. Towards Linear-Time Incremental Structure from Motion. In Proceedings of the International Conference on 3dtv-Conference, Seattle, WA, USA, 29 June-1 July 2013; pp. 127-134.

タイトルに関連する用語 (9件)： 幾何学 ,  制約 ,  単眼 ,  深度 ,  オプティカルフロー ,  姿勢 ,  オクルージョン ,  意識 ,  教師なし学習