文献

J-GLOBAL ID：202002242941261574   整理番号：20A2181802

深度と深度勾配の相互変換によるMulti-task learningを活用した教師なし単眼深度推定の提案

Proposal of unsupervised monocular depth estimation using multi-task learning by mutual conversion of depth and depth gradient.

著者 (2件)： 高嶺潮 (琉球大) ,  遠藤聡志 (琉球大)
資料名： 情報科学技術フォーラム講演論文集  (FIT)
巻： 19th  号： 第3分冊  ページ： 1-4  発行年： 2020年08月18日 
JST資料番号： L4664A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・単眼深度推定の要素技術,先行研究について紹介:マルチタスク学習,自己教師あり学習(要素技術),Two-Streamed network,SfM Learner(先行研究)。
・教師なし学習モデルを提案:SfM Learnerを雛形,深度勾配のマルチタスク学習に本モデルを適用,深度推定部と深度勾配推定部により強い相互作用を付与。
・評価実験の結果:一般的な評価関数では従来手法に劣る精度,lossによる評価では画面再構成の精度で従来手法を優越(自己位置の推定精度が改善),提案モデルの取り扱えるタスクの数には制限。

シソーラス用語： 特徴抽出 ,  教師なし学習 ,  色空間 ,  *機械学習 ,  学習モデル ,  距離画像 ,  教師つき学習 ,  評価関数 ,  評価試験 ,  画像合成 ,  画素 ,  閾値 ,  ニューラルネットワーク ,  動画像 ,  RGB-D ,  評価実験 ,  RGB
準シソーラス用語： *教師なし単眼深度推定 ,  RGB画像 ,  マルチタスク学習 ,  CNN

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (13件)：

• Wouter Van Gansbeke, Davy Neven, Bert De Brabandere, and Luc Van Gool. Sparse and noisy LiDAR completion with RGB guidance and uncertainty. In Proceedings of the 16th International Conference on Machine Vision Applications, MVA 2019, 2019.
• Satyarth Praveen. Efficient Depth Estimation Using Sparse Stereo-Vision with Other Perception Techniques, 2019.
• Chaoqiang Zhao. Monocular Depth Estimation Based On Deep Learning: An Overview. 2020.
• Tinghui Zhou, Matthew Brown, Noah Snavely, and David G. Lowe. Unsupervised learning of depth and ego-motion from video. In Proceedings - 30th IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2017, 2017.
• Omid Hosseini Jafari, Oliver Groth, Alexander Kirillov, Michael Ying Yang, and Carsten Rother. Analyzing modular CNN architectures for joint depth prediction and semantic segmentation. Proceedings - IEEE International Conference on Robotics and Automation, No. iv, pp. 4620-4627, 2017.

タイトルに関連する用語 (8件)： 深度 ,  勾配 ,  相互変換 ,  活用 ,  教師 ,  単眼 ,  推定 ,  提案