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。
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】