実際のモノ深さ:一般的シーンのための自己教師付き単眼深さ推定【JST・京大機械翻訳】

Ocal Mertalp; Mustafa Armin

プレプリント

J-GLOBAL ID：202202205161787316 整理番号：22P0134524

実際のモノ深さ:一般的シーンのための自己教師付き単眼深さ推定【JST・京大機械翻訳】

RealMonoDepth: Self-Supervised Monocular Depth Estimation for General Scenes

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年04月13日プレプリントサーバーでの情報更新日： 2020年04月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

1~100sメートルの多様な深さを持つシーンを横断する実深度の単眼推定のための一般化自己監督学習手法を提案した。単眼深度推定のための既存の教師つき方法は訓練のための正確な深さ測定を必要とする。この限界は,既知のキャリブレーションを与えられた深さに変換される視差を推定するために,固定カメラベースラインとステレオ画像対で訓練された自己監督法の導入をもたらした。自己監督されたアプローチは印象的な結果を示したが,異なる深さ範囲またはカメラ基準線を有するシーンに一般化しなかった。本論文では,屋内および屋外シーンの多様な範囲に対して実情景深さを推定するために学習する自己監督単眼深度推定アプローチを導入した。相対深さスケーリングとワーピングに基づく真のシーン深さに関する新規な損失関数を提案した。これは,ステレオペアと野生移動カメラデータセットの両方から多様な深さ範囲を有するシーンのための複数のデータセットを有する単一ネットワークの自己監督訓練を可能にする。5つのベンチマークデータセットにわたる包括的な性能評価は,RealMonoDepthが,屋内および屋外シーンで深度推定を一般化する単一訓練ネットワークを提供し,以前の自己監督アプローチを一貫して凌駕することを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , ロボットの運動・制御

, , , ,

前のページに戻る