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。
文脈モデリングは単一画像から深さを推定するために重要であるので,研究者はグローバルな文脈を得ることに多大な努力を払った。多くのグローバルマニピュレーションを従来のCNNベースのアーキテクチャのために設計し,畳み込みの局所性を克服した。長距離依存性を捉えるために設計された注意機構または変圧器は,より良い選択であるが,通常,アーキテクチャを複雑にし,推論速度の減少につながる可能性がある。本研究では,実時間で優れた予測を達成できるSideRTと呼ばれる純粋な変圧器アーキテクチャを提案した。より良いグローバルコンテキストを捕えるために,交差-スケール注意(CSA)とマルチ-スケール精密化(MSR)モジュールは,効率的に異なるスケールの特徴を融合するために協調的に働くように設計されている。CSAモジュールは,高い意味類似性の融合特徴に焦点を合わせ,一方,MSRモジュールは,対応する位置で特徴を融合することを目的とする。これらの2つのモジュールは,軽量で有効なモデルを造ることに基づいて,畳み込みのないいくつかの学習可能なパラメータを含む。このアーキテクチャは,実時間(51.3FPS)で最先端の性能を達成し,より小さいバックボーンSwin-T(83.1FPS)で妥当な性能低下ではるかに速くなる。さらに,その性能は,大きなマージンによって以前の最先端技術を超え,KITTIに関するAbsRelメトリック6.9%とNYU上の9.7%を改善した。著者らの知る限り,これは変圧器ベースネットワークが単一画像深さ推定分野で実時間で最先端の性能を達成できることを示す最初の研究である。コードはすぐに利用できる。【JST・京大機械翻訳】