抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
単眼深度推定はシーン理解と下流タスクにとって極めて重要である。訓練時間でのみ地上深さが利用できる教師つきセットアップに焦点を当てた。実際の3Dシーンの高い規則性に関する知識に基づいて,予測深さを改善するために共平面ピクセルから情報を選択的に活用する方法を提案した。特に,各画素に対して,同じ平面3D表面を前者と共有するシード画素が存在する,区分的平面性を導入した。この事前の動機により,2つのヘッドを持つネットワークを設計した。第1のヘッド出力ピクセルレベル平面係数,第2のものは,シードピクセルの位置を同定する高密度オフセットベクトル場を出力する。次に,シード画素の平面係数を,各位置での深さを予測するために使用する。得られた予測を,正確な局所平面性からのポテンシャル偏差を説明するために,学習された信頼を介して最初の頭部からの初期予測と適応的に融合した。全体のアーキテクチャは,提案したモジュールの微分可能性によりエンドツーエンドに訓練され,オクルージョン境界で鋭いエッジを持つ規則的深さマップの予測を学習する。著者らの方法の広範な評価は,著者らは,NYU深さ-v2に関する事前の方法およびKITTIのGarg分割に関して,教師つき単眼深度推定における最新技術の新しい状態を設定することを示した。提案手法では,入力シーンの妥当な3D再構成を生成する深さマップを配信する。コードは,https://github.com/SysCV/P3Depthで利用可能である。【JST・京大機械翻訳】