論文の概要: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching

• arxiv url: http://arxiv.org/abs/2004.04627v3
• Date: Sat, 27 Mar 2021 03:40:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 03:02:45.979518
• Title: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching
• Title（参考訳）: AdaStereo: 適応ステレオマッチングのためのシンプルで効率的なアプローチ
• Authors: Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi
• Abstract要約: AdaStereoと呼ばれる新しいドメイン適応パイプラインは、ディープステレオマッチングネットワークにマルチレベル表現をアライメントすることを目的としている。 我々のAdaStereoモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のステレオベンチマークで最先端のクロスドメインパフォーマンスを実現しています。
• 参考スコア（独自算出の注目度）: 50.06646151004375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, records on stereo matching benchmarks are constantly broken by end-to-end disparity networks. However, the domain adaptation ability of these deep models is quite poor. Addressing such problem, we present a novel domain-adaptive pipeline called AdaStereo that aims to align multi-level representations for deep stereo matching networks. Compared to previous methods for adaptive stereo matching, our AdaStereo realizes a more standard, complete and effective domain adaptation pipeline. Firstly, we propose a non-adversarial progressive color transfer algorithm for input image-level alignment. Secondly, we design an efficient parameter-free cost normalization layer for internal feature-level alignment. Lastly, a highly related auxiliary task, self-supervised occlusion-aware reconstruction is presented to narrow down the gaps in output space. Our AdaStereo models achieve state-of-the-art cross-domain performance on multiple stereo benchmarks, including KITTI, Middlebury, ETH3D, and DrivingStereo, even outperforming disparity networks finetuned with target-domain ground-truths.
• Abstract（参考訳）: 近年、ステレオマッチングベンチマークのレコードは、エンドツーエンドの格差ネットワークによって常に壊れている。 しかし、これらの深層モデルのドメイン適応能力は極めて貧弱である。 このような問題に対処するために,我々は,深層ステレオマッチングネットワークのためのマルチレベル表現の整合を目的とした,adastereoと呼ばれる新しいドメイン適応パイプラインを提案する。 従来の適応ステレオマッチング法と比較して、adastereoはより標準的で完全で効果的なドメイン適応パイプラインを実現する。 まず,入力画像レベルアライメントのための非逆プログレッシブカラー転送アルゴリズムを提案する。 第二に、内部特徴量アライメントのための効率的なパラメータフリーコスト正規化層を設計する。 最後に,高度に関連する補助課題である自己教師付き咬合認識再構成を行い,出力空間のギャップを狭めることを提案する。 当社のadastereoモデルは,kitti, middlebury, eth3d, drivingstereoなど,複数のステレオベンチマークで最先端のクロスドメイン性能を実現しています。

関連論文リスト

• SR-Stereo & DAPE: Stepwise Regression and Pre-trained Edges for Practical Stereo Matching [2.8908326904081334]
  ドメインの相違を克服する新しい段階的回帰アーキテクチャを提案する。 疎基底真理で新しいドメインを適応するモデルのエッジ認識を高めるために,事前学習エッジ(DAPE)に基づくドメイン適応を提案する。 提案したSR-StereoとDAPEは,SceneFlow,KITTI,Middbury 2014,ETH3Dで広く評価されている。
  論文  参考訳（メタデータ） (2024-06-11T05:25:25Z)
• RomniStereo: Recurrent Omnidirectional Stereo Matching [6.153793254880079]
  本稿では,全方向ステレオマッチング (RomniStereo) アルゴリズムを提案する。 我々の最良のモデルは、以前のSOTAベースラインよりも平均MAE値が40.7%向上する。 結果の可視化では, 合成例と実例の両方において, 明らかな優位性を示す。
  論文  参考訳（メタデータ） (2024-01-09T04:06:01Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)
• PointFix: Learning to Fix Domain Bias for Robust Online Stereo Adaptation [67.41325356479229]
  本稿では,PointFixと呼ばれるメタラーニングフレームワークに補助的なポイント選択型ネットワークを導入することを提案する。 簡単に言えば、我々の補助的ネットワークは、メタグラディエントを通じて局所情報を効果的にバックプロパゲートすることで、局所的変異を集中的に修正することを学ぶ。 このネットワークはモデルに依存しないため、プラグイン・アンド・プレイ方式であらゆる種類のアーキテクチャで使用することができる。
  論文  参考訳（メタデータ） (2022-07-27T07:48:29Z)
• Revisiting Domain Generalized Stereo Matching Networks from a Feature Consistency Perspective [65.37571681370096]
  両視点にまたがる単純な画素単位のコントラスト学習を提案する。 ドメイン間の立体的特徴一貫性をよりよく維持するために、立体選択的白化損失を導入する。 提案手法は,複数の最先端ネットワークよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-03-21T11:21:41Z)
• AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
  本稿では,AdaStereoというドメイン適応型アプローチを提案する。 我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。 提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
  論文  参考訳（メタデータ） (2021-12-09T15:10:47Z)
• Continual Adaptation for Deep Stereo [52.181067640300014]
  本稿では,難易度と変化の激しい環境に対処するために,深層ステレオネットワークの継続的適応パラダイムを提案する。 我々のパラダイムでは、オンラインモデルに継続的に適応するために必要な学習信号は、右から左への画像ワープや従来のステレオアルゴリズムによって自己監督から得られる。 我々のネットワークアーキテクチャと適応アルゴリズムは、初めてのリアルタイム自己適応型ディープステレオシステムを実現する。
  論文  参考訳（メタデータ） (2020-07-10T08:15:58Z)

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。