論文の概要: FIS-Nets: Full-image Supervised Networks for Monocular Depth Estimation

• arxiv url: http://arxiv.org/abs/2001.11092v1
• Date: Sun, 19 Jan 2020 06:04:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 12:36:08.920879
• Title: FIS-Nets: Full-image Supervised Networks for Monocular Depth Estimation
• Title（参考訳）: FIS-Nets:単眼深度推定のためのフルイメージ監視ネットワーク
• Authors: Bei Wang and Jianping An
• Abstract要約: 画像の整合性を利用する教師なしのフレームワークと、深い深度補完を行う教師なしのフレームワークを組み合わせた半教師付きアーキテクチャを提案する。 評価において,提案手法は深度推定における他の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 14.454378082294852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the importance of full-image supervision for monocular depth estimation. We propose a semi-supervised architecture, which combines both unsupervised framework of using image consistency and supervised framework of dense depth completion. The latter provides full-image depth as supervision for the former. Ego-motion from navigation system is also embedded into the unsupervised framework as output supervision of an inner temporal transform network, making monocular depth estimation better. In the evaluation, we show that our proposed model outperforms other approaches on depth estimation.
• Abstract（参考訳）: 本稿では,単眼深度推定における全画像監視の重要性について述べる。 画像整合性を利用する教師なしのフレームワークと、深い深度補完を行う教師なしのフレームワークを組み合わせた半教師付きアーキテクチャを提案する。 後者は、前者の監督としてフルイメージの深さを提供する。 ナビゲーションシステムからのエゴモーションは、内部時間変換ネットワークの出力監視として教師なしのフレームワークにも組み込まれ、単眼深度推定をより良くする。 本評価では,提案手法が他の深度推定手法よりも優れていることを示す。

関連論文リスト

• FusionDepth: Complement Self-Supervised Monocular Depth Estimation with Cost Volume [9.912304015239313]
  複数フレームの逐次制約により単眼深度を連続的に改善できる多眼深度推定フレームワークを提案する。 また,本手法は,単分子推定と多視点コストボリュームを組み合わせる際の解釈可能性も向上する。
  論文  参考訳（メタデータ） (2023-05-10T10:38:38Z)
• Multi-Camera Collaborative Depth Prediction via Consistent Structure Estimation [75.99435808648784]
  本稿では,新しいマルチカメラ協調深度予測法を提案する。 カメラ間の構造的整合性を維持しながら、大きな重なり合う領域を必要としない。 DDADおよびNuScenesデータセットの実験結果から,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-05T03:44:34Z)
• Improving Monocular Visual Odometry Using Learned Depth [84.05081552443693]
  単眼深度推定を応用して視力計測(VO)を改善する枠組みを提案する。 我々のフレームワークの中核は、多様なシーンに対して強力な一般化能力を持つ単眼深度推定モジュールである。 現在の学習型VO法と比較して,本手法は多様なシーンに対してより強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2022-04-04T06:26:46Z)
• SelfTune: Metrically Scaled Monocular Depth Estimation through Self-Supervised Learning [53.78813049373321]
  本稿では,事前学習した教師付き単分子深度ネットワークに対する自己教師付き学習手法を提案する。 本手法は移動ロボットナビゲーションなどの様々な応用に有用であり,多様な環境に適用可能である。
  論文  参考訳（メタデータ） (2022-03-10T12:28:42Z)
• Pseudo Supervised Monocular Depth Estimation with Teacher-Student Network [90.20878165546361]
  疑似監視機構に基づく新しい教師なし深度推定手法を提案する。 これは、教師なしおよび教師なしの単分子深度推定の利点を戦略的に統合する。 実験の結果,提案手法はKITTIベンチマークの最先端性よりも優れていた。
  論文  参考訳（メタデータ） (2021-10-22T01:08:36Z)
• Self-Supervised Monocular Depth Estimation with Internal Feature Fusion [12.874712571149725]
  深度推定のための自己教師付き学習は、画像列の幾何学を用いて監督する。 そこで本研究では,ダウンおよびアップサンプリングの手順で意味情報を利用することのできる,新しい深度推定ネットワークDIFFNetを提案する。
  論文  参考訳（メタデータ） (2021-10-18T17:31:11Z)
• Weakly-Supervised Monocular Depth Estimationwith Resolution-Mismatched Data [73.9872931307401]
  単眼深度推定ネットワークをトレーニングするための弱教師付きフレームワークを提案する。 提案フレームワークは, 共有重量単分子深度推定ネットワークと蒸留用深度再構成ネットワークから構成される。 実験結果から,本手法は教師なし・半教師付き学習ベース方式よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2021-09-23T18:04:12Z)
• Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
  本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。 擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。 実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-09-27T13:26:16Z)
• Masked GANs for Unsupervised Depth and Pose Prediction with Scale Consistency [18.10657948047875]
  本稿では,教師なし単眼深度と自我運動推定のためのマスク付き生成対向ネットワーク(GAN)を提案する。 The MaskNet and Boolean mask scheme was designed to eliminate the effect of occlusions and effects of visual field change on the reconstruction loss and adversarial loss。
  論文  参考訳（メタデータ） (2020-04-09T03:12:52Z)
• The Edge of Depth: Explicit Constraints between Segmentation and Depth [25.232436455640716]
  画像からの自己教師付き深度推定とセマンティックセグメンテーションという2つの共通コンピュータビジョンタスクの相互利益について検討する。 セグメンテーションと深さの境界の整合性を明示的に測定し,最小化することを提案する。 提案手法は広範にわたる実験を通じて,KITTIにおける教師なし単分子深度推定技術の現状を推し進めるものである。
  論文  参考訳（メタデータ） (2020-04-01T00:03:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。