文献

J-GLOBAL ID：202002289483182219   整理番号：20A2472257

敵対領域特徴適応を用いた夜間画像のための教師なし単眼深さ推定【JST・京大機械翻訳】

Unsupervised Monocular Depth Estimation for Night-Time Images Using Adversarial Domain Feature Adaptation

著者 (6件)： Vankadari Madhu (TATA Consultancy Services, Bangalore, India) ,  Garg Sourav (Queensland University of Technology, Brisbane, Australia) ,  Majumder Anima (TATA Consultancy Services, Bangalore, India) ,  Kumar Swagat (TATA Consultancy Services, Bangalore, India) ,  Kumar Swagat (Edge Hill University, Ormskirk, UK) ,  Behera Ardhendu (Edge Hill University, Ormskirk, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12373  ページ： 443-459  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,文献において適切に取り組まれていない困難なタスクである,制約されていないRGB単眼夜間画像からのピクセルごとの奥行きマップを推定する問題を検討した。最先端の日時深度推定法は,それらの間の大きなドメインシフトのため,夜間画像でテストするとき,誤って失敗する。これらのネットワークを訓練するために使用される通常の測光損失は,昼間の画像に通常存在する均一な照明の欠如により夜間画像に対して動作せず,解決する困難な問題となる。昼間の画像で訓練されたネットワークを夜間画像に対して作業するために適応するドメイン適応問題として,この問題を解決することを提案する。特に,符号器を訓練して,PatchGANベースの敵対識別学習法を用いて,昼間画像から得られたものと区別できない夜間画像から特徴を生成した。深さ予測を直接適応する既存の方法(ネットワーク出力)と異なり,事前訓練された日-時間深さ復号器が,これらの適応特徴から深さを予測するために直接使用できるように,符号器ネットワークから得られた特徴マップを適応させることを提案する。したがって,得られた方法を「敵対領域特徴適応(ADFA)」と呼び,その有効性を,挑戦的なOxford夜間運転データセットの実験を通して実証した。知る限りでは,本研究は,完全教師なし学習プロセスを用いる無制約夜間単眼RGB画像からの深さを推定するためのその種類の最初のものである。提案したADFA法のためのモジュール符号器-デコーダアーキテクチャは,多くの他のアプリケーションで使用できる特徴抽出器として符号器モジュールの使用を可能にする。適応符号器ネットワークから得られた特徴が,視覚位置認識問題において他の最先端手法よりも性能が優れていることを示し,それにより,提案した方法の有用性と有効性をさらに確立した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  測光 ,  ネットワーク ,  復号器 ,  特徴抽出 ,  弁別学習 ,  夜間運転 ,  画素 ,  符号器 ,  応用プログラム ,  *単眼 ,  有効性
準シソーラス用語： 学習過程 ,  推定法 ,  奥行きマップ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 敵対 ,  適応 ,  夜間 ,  教師 ,  単眼 ,  推定