陰的画像表現を用いた3D LiDARデータの深層生成モデリング

中嶋一斗; 岩下友美; 倉爪亮

文献

J-GLOBAL ID：202202282359645608 整理番号：22A0940762

陰的画像表現を用いた3D LiDARデータの深層生成モデリング

Deep Generative Modeling of 3D LiDAR Data with Implicit Representation

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0940762&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0940762&from=J-GLOBAL&jstjournalNo=L1084B") }}

著者 (3件)： , ,
資料名：
巻： 27th ページ： 62-65 発行年： 2022年03月11日
JST資料番号： L1084B ISSN： 1881-7300 資料種別：会議録 (C)
記事区分：短報発行国：日本 (JPN) 言語：日本語 (JA)

・本研究は,低品質なLiDARデータを復元・補完推定するために,データの生成規則を統計的に学習した生成モデルを構築することが目的。
・提案した深層生成モデルは,敵対的生成ネットワークの枠組みを利用して,陰的関数表現の3D LiDARデータに潜在変数を導入することで実現。
・深度マップに関して,レーザ放射角度の位置エンコーディング,離散ノイズによる不安定性の問題を解決するために採用した確率的欠損表現を説明。
・KITTI Rawデータセットを用いて提案手法と固定解像度に基づく先行研究を比較した結果,提案手法は細かい物体や平坦な路面を再現でき,有効性を確認。

, , , , , , , , , ,
, , ,

図形・画像処理一般 , 地形データの処理

引用文献 (7件)：

L. Caccia, H. van Hoof, A. Courville, and J. Pineau,“Deep generative modeling of lidar data,” in Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2019, pp. 5034-5040.
K. Nakashima and R. Kurazume,“Learning to drop points for lidar scan synthesis,” in Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2021.
T. Karras, S. Laine, M. Aittala, J. Hellsten, J. Lehtinen, and T. Aila,“Analyzing and improving the image quality of stylegan,” in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020, pp. 8110-8119.
I. Skorokhodov, S. Ignatyev, and M. Elhoseiny,“Adversarial generation of continuous images,” in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), June 2021, pp. 10753-10 764.
T. Kaneko and T. Harada,“Noise robust generative adversarial networks,” in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2020, pp. 8404-8414.

, , , ,

前のページに戻る