文献

J-GLOBAL ID：202102251525427466   整理番号：21A1145781

エッジ無矛盾単一画像深さ推定のための高次元バイラテラルグリッドに基づく新しい3D-Unet深層学習フレームワーク【JST・京大機械翻訳】

A Novel 3D-Unet Deep Learning Framework Based on High-Dimensional Bilateral Grid for Edge Consistent Single Image Depth Estimation

著者 (4件)： Sharma Mansi (Indian Institute of Technology Madras,Department of Electrical Engineering,India) ,  Sharma Abheesht (BITS Pilani, K K Birla Goa Campus,Department of Computer Science & Information Systems) ,  Tushar Kadvekar Rohit (Indian Institute of Technology Madras,Department of Electrical Engineering,India) ,  Panneer Avinash (Indian Institute of Technology Madras,Department of Electrical Engineering,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IC3D  ページ： 01-08  発行年： 2020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： 滑らかでエッジ一貫した深さマップを予測するタスクは,単一画像深さ推定にとって,あまり困難であった。本論文は,UNetによるコンパクトな3Dバイラテラルグリッドの符号化によって高次元特徴空間をパラメータ化し,シーンの鋭い幾何学的レイアウトを推論する3DBG-UNetとして,新しいバイラテラルグリッドベースの3D畳込みニューラルネットワークを提案した。さらに,単一カラービューを与える正確な深さマップを推論するために,3DBG-UNetを統合する別の新しい3DBGES-UNetモデルを導入した。3DBGES-UNetは,3DBG-UNet幾何学マップを,開始ネットワークエッジ強調マップと,セマンティックセグメンテーションをレバーして,ResNetバックボーンでUNetモデルを訓練することによって得た空間オブジェクトの境界マップと連結する。両モデルは,エッジまたは微小詳細を明示的に説明するために特別な注意を払って設計した。深さエッジにおける鋭い不連続性の保存は,ARビデオにおける仮想オブジェクトの現実的統合や3Dディスプレイアプリケーションのためのオクルージョン認識ビュー合成のような多くのアプリケーションにとって極めて重要である。提案した深さ予測ネットワークは,挑戦的なNYUv2-デプティデータに関する定性的および定量的評価の両方で最先端の性能を達成した。コードと対応する事前訓練重みは,公的に利用できる。Copyright 2021 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： 幾何学 ,  セグメンテーション ,  ネットワーク ,  三次元ディスプレイ ,  録画装置 ,  応用プログラム ,  *高次元 ,  *三次元 ,  不連続性 ,  パラメタリゼーション ,  オクルージョン
準シソーラス用語： 特徴空間 ,  奥行きマップ ,  *深層学習 ,  畳込みニューラルネットワーク , 【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 (6件)： エッジ ,  推定 ,  高次元 ,  3D ,  深層学習 ,  フレームワーク