UAMD-Net:高密度深さ完成のための統一適応多モードニューラルネットワーク【JST・京大機械翻訳】

Chen Guancheng; Lin Junli; Qin Huabiao

プレプリント

J-GLOBAL ID：202202217410505316 整理番号：22P0333079

UAMD-Net:高密度深さ完成のための統一適応多モードニューラルネットワーク【JST・京大機械翻訳】

UAMD-Net: A Unified Adaptive Multimodal Neural Network for Dense Depth Completion

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 (3件)： , ,
資料名：
発行年： 2022年04月16日プレプリントサーバーでの情報更新日： 2022年04月16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。

深さ予測はロボット工学応用,特に自律運転における重大な問題である。一般に,単眼画像とレーザ点雲の双眼立体マッチングと融合に基づく深さ予測は,2つの主流方法である。しかし,前者は,通常,建物コスト体積を越えながら,過剰適合に悩まされ,後者は,幾何学的制約の欠如のため,限られた一般化を有する。これらの問題を解決するために,著者らは,両眼立体マッチングの融合とスパース点雲からの弱い制約に基づく高密度深さ完了のために,新しいマルチモーダルニューラルネットワーク,すなわちUAMD-Netを提案する。特に,スパース点雲をスパース深さマップに変換し,両眼画像で多モード特徴符号器(MFE)に送付し,クロスモーダルコストボリュームを構築した。次に,多モード特徴集合(MFA)と深さ回帰層によってさらに処理する。さらに,既存のマルチモーダル方法は,モード依存性の問題を無視し,すなわち,あるモード入力が問題を持つとき,ネットワークが機能しないであろう。したがって,ネットワークを多重モード入力で適応的に訓練し,特定のモード入力で推論できるModal-ドロップアウトと呼ばれる新しい訓練戦略を提案する。柔軟なネットワーク構造と適応訓練法から利益を得て,提案ネットワークは様々なモード入力条件の下で統一訓練を実現できる。KITTI深さ完了ベンチマークに関する包括的実験は,著者らの方法がロバスト結果を生み出して,他の最先端の方法より優れていることを実証した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, ,

前のページに戻る