文献

J-GLOBAL ID：202202248417832421   整理番号：22A0554169

死葉モデルの再検討:合成データによる訓練【JST・京大機械翻訳】

Revisiting Dead Leaves Model: Training With Synthetic Data

著者 (3件)： Madhusudana Pavan C. (Department of Electrical and Computer Engineering, University of Texas at Austin, Austin, TX, USA) ,  Lee Seok-Jun (Samsung Research America (SRA), Plano, TX, USA) ,  Sheikh Hamid R. (Samsung Research America (SRA), Plano, TX, USA)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 29  ページ： 209-213  発行年： 2022年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： 立体視差推定を目標とする深層ニューラルネットワークは,最近,手作業の伝統的モデルの性能を凌駕した。しかし,これらのネットワークを訓練することは,正確な視差推定を得るための大きなラベル付きデータベースを必要とする。本論文では,自然画像統計を用いて合成データを生成することにより,大きなデータ要求に取り組んだ。死葉モデルを用いて生成された画像は,自然画像で一般に見られる多くの統計的特徴を共有することが示されている。本研究では,オクルージョン球から成る3Dデッドリーフモデルを用いて合成データセットを作成し,それらを平行カメラ平面上に投影し,地上の視差マップとともに立体画像対を得た。この生成されたデータを次に用いて,視差を推定するために教師つき方法で深層ニューラルネットワークを訓練した。実験により,この訓練されたモデルは,追加の微調整なしでも,実世界および合成ステレオデータセットにわたって競合性能を達成することを示した。データセット生成のための提案方法は,自然界で簡単であり,計算上安価であり,大規模データ生成のために容易にスケールできる。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： カメラ ,  推定 ,  データベース ,  ネットワーク ,  *死 ,  視差 ,  *モデル ,  立体画像 ,  三次元 ,  オクルージョン
準シソーラス用語： 視差画像 ,  自然画像 ,  低価格 ,  視差推定 ,  大規模データ ,  ディープニューラルネットワーク , 【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 (5件)： 死 ,  葉 ,  モデル ,  合成データ ,  訓練