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。
ポイントクラウドシーンフロー推定は,自律運転における動的場面ナビゲーションのために実際的に重要である。シーンフローラベルは取得が難しいので,現在の方法は,それらのモデルを合成データに訓練し,それらを実際のシーンに転送する。しかしながら,既存の合成データセットと実情景の間の大きな格差は,貧弱なモデル転送につながる。著者らは,2つの主要な貢献を,それに取り組むために行った。最初に,GTA-Vエンジンのためのポイントクラウドコレクタとシーンフロー注釈器を開発し,人間の介入なしで多様な現実的訓練サンプルを自動的に得た。それとともに,大規模合成シーンフローデータセットGTA-SFを開発した。第二に,ターゲット領域の自己生成擬似ラベルを利用する平均教師ベースドメイン適応フレームワークを提案した。また,形状変形正則化と表面対応精密化を明示的に組み込んで,ドメイン移動における歪みと不整合に対処した。広範な実験を通して,GTA-SFデータセットは,最も広く使用されたFT3Dデータセットと比較して,3つの実データセット(即ち,Waymo,LyftおよびKITTI)に対するモデル一般化における一貫したブーストに導くことを示した。さらに,このフレームワークは,6つのソースターゲットデータセット対上で優れた適応性能を達成し,平均ドメインギャップを60%まで著しく閉鎖した。データとコードは,https://github.com/leolyj/DCA SRSFEで利用可能である。【JST・京大機械翻訳】