マルチビューステレオのための深さ推定の再考:統一表現【JST・京大機械翻訳】

Peng Rui; Wang Rongjie; Wang Zhenyu; Lai Yawen; Wang Ronggang

プレプリント

J-GLOBAL ID：202202211132807154 整理番号：22P0023738

マルチビューステレオのための深さ推定の再考:統一表現【JST・京大機械翻訳】

Rethinking Depth Estimation for Multi-View Stereo: A Unified Representation

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 (5件)： , , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年03月11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)

既存の学習ベースのマルチビューステレオ法における回帰または分類問題として,深さ推定を解いた。これらの2つの表現は,最近,それらの優れた性能を実証してきたが,それらは,まだ,明白な欠点を持ち,例えば,回帰方法は,間接的学習コスト容量のために過剰適合し,そして,分類方法は,その離散予測のために,正確な深さを直接推論することができない。本論文では,回帰と分類の利点を統一するために,統一と呼ばれる新しい表現を提案した。それは,分類法のようなコスト容量を直接制約できるが,また,回帰法のようなサブピクセル深さ予測を実現する。統一のポテンシャルを掘削するために,著者らは,サンプル不均衡の課題と戦うために,より均一で合理的である統一焦点損失という新しい損失関数を設計した。これら2つの未修正モジュールを結合して,著者らは,UniMVSNetと呼ぶ,粗から細かいフレームワークを提示した。DTUとTanksとTemplesベンチマークの両方に関するランキングの結果は,著者らのモデルが最良だけでなく,最良の一般化能力を持っていることを検証した。【JST・京大機械翻訳】

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

人工知能

前のページに戻る