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。
既存の学習ベースの深さ強化技術のほとんどは,教師つき方式で訓練する。これらの技法は,雑音とアーチファクトのない深さマップに対する合成データセット,あるいはアーチファクトのない深さマップを模倣するための実世界深さマップの前処理のいずれかを広範囲に頼る。これらの技術からの結果は,実世界の設定のバガリーに最適に一般化しないかもしれない。本論文では,本質的にアーチファクトを含む商用RGB-Dカメラにより捕捉された実世界深さマップ上で直接研究できるように,自己教師付き方法で深さマップを強化する手法を提案した。自己スーパービジョンを達成するために,対応するRGB画像から得られたエッジ情報に基づくより多くのホールアーチファクトを加えることによって,捕捉された深さマップを最初に分解して,次に,トレーニングを,マスキング過程によって穴の領域における深さを推定するためのモデルを学ぶことによって実行した。大きな訓練セットにわたる一般化を通して,訓練中に単一のアーチファクトのない深さマップを観測せずに,穴アーチファクトの領域における正確な深さ値を予測することができる。提案方法は,自己監督された方法で,実世界で不完全なデータだけで動作することによって,正確な深さマップを捕えるために,合成データセットおよび/または複雑なセットアップへの依存性を避けることができる。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】