文献

J-GLOBAL ID：202202233929436049   整理番号：22A0960422

インスタンス畳込みによるオブジェクトを意識した単眼深さ予測【JST・京大機械翻訳】

Object-Aware Monocular Depth Prediction With Instance Convolutions

著者 (6件)： Simsar Enis (Technical University of Munich, Muenchen, Germany) ,  Ornek Evin Pnar (Technical University of Munich, Muenchen, Germany) ,  Manhardt Fabian (Google Inc., Garching, Germany) ,  Dhamo Helisa (Technical University of Munich, Muenchen, Germany) ,  Navab Nassir (Technical University of Munich, Muenchen, Germany) ,  Tombari Federico (Technical University of Munich, Muenchen, Germany)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 5389-5396  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習の出現により,単一RGB画像からの深度推定は最近多くの注目を受けており,ロボット工学の経路計画から計算シンマトグラフィまでの多くの異なるアプリケーションを電力化できる。それにもかかわらず,深さマップは,かなり信頼性が高いので,オブジェクト不連続性のまわりの推定は,まだ十分ではない。これは,畳み込み演算子が物体不連続性を横切って自然に凝集するという事実に属性があり,明確な境界よりも滑らかな遷移をもたらす。したがって,この問題を回避するため,異なるオブジェクト部品の特徴集合を避けるために明示的に調整した新しい畳込み演算子を提案した。特に,著者らの方法は,スーパーピクセルの手段によってパーパート深さ値を推定することに基づいている。提案した畳み込み演算子は,”Instance Convolution”をubし,次に,推定スーパーピクセルに基づいて各オブジェクト部分のみを考慮する。NYUv2,iBimsおよびKITTIデータセットに関する著者らの評価は,オクルージョン境界周辺の深さ推定における古典的畳み込みに対するInstance Convolutionsの利点を示し,一方,他のところでは同等の結果を生成した。このコードは,ギトゥム/エニサル/インスタンス-コンバーで利用可能である。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 演算子 ,  *畳込み ,  信頼性 ,  電力 ,  利用 ,  画素 ,  応用プログラム ,  *単眼 ,  不連続性 ,  機械学習 ,  オクルージョン ,  経路探索
準シソーラス用語： ロボット工学 ,  奥行きマップ ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： インスタンス ,  畳込み ,  オブジェクト ,  意識 ,  単眼 ,  予測