深さ推定モデルにどれくらい深さ情報がレーダを貢献できるか?【JST・京大機械翻訳】

Lo Chen-Chou; Vandewalle Patrick

プレプリント

J-GLOBAL ID：202202211938563492 整理番号：22P0295832

深さ推定モデルにどれくらい深さ情報がレーダを貢献できるか?【JST・京大機械翻訳】

How Much Depth Information can Radar Contribute to a Depth Estimation Model?

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： 2022年02月26日プレプリントサーバーでの情報更新日： 2023年03月15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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

最近,いくつかの研究が,レーダデータが様々な光と気象条件に対してロバストであるので,単眼深度推定モデルへの付加的知覚信号としてレーダデータを融合することが提案されている。性能の改善が以前の研究で報告されているが,深度情報レーダが深度推定モデルにどのように寄与するかは,まだ難しい。本論文では,レーダ推論と監視実験を提案し,NuSceneデータセットの最先端の深さ推定モデルを用いて,レーダデータの固有深さポテンシャルを調べた。推論実験において,レーダデータを使用して推論能力を実証するために,入力としてレーダだけを取り入れることによって,モデルは深さを予測する。監視実験では,レーダ監視の下で単眼深度推定モデルを訓練し,レーダが寄与できる固有深さ情報を示した。著者らの実験は,入力として疎なレーダだけを使用するモデルが,予測深さである程度の周囲の形態を検出することができることを証明した。さらに,前処理されたレーダによって監督された単眼深度推定モデルは,スパースライダー監視で訓練されたベースラインモデルと比較して,良い性能を達成した。【JST・京大機械翻訳】

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

レーダ

前のページに戻る