論文の概要: On the Synergies between Machine Learning and Binocular Stereo for Depth Estimation from Images: a Survey

• arxiv url: http://arxiv.org/abs/2004.08566v2
• Date: Wed, 31 Mar 2021 14:00:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 05:37:55.442942
• Title: On the Synergies between Machine Learning and Binocular Stereo for Depth Estimation from Images: a Survey
• Title（参考訳）: 画像からの深度推定のための機械学習と両眼ステレオの相乗効果について:調査
• Authors: Matteo Poggi, Fabio Tosi, Konstantinos Batsos, Philippos Mordohai, Stefano Mattoccia
• Abstract要約: ステレオマッチングは、40年近い研究と研究期間を持つコンピュータビジョンにおいて、最も長く続いている問題の1つである。 単眼画像と双眼画像からの学習に基づく深度推定の分野での最近の研究は、これまでに達成された成果を浮き彫りにしている。
• 参考スコア（独自算出の注目度）: 45.08733033427528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stereo matching is one of the longest-standing problems in computer vision with close to 40 years of studies and research. Throughout the years the paradigm has shifted from local, pixel-level decision to various forms of discrete and continuous optimization to data-driven, learning-based methods. Recently, the rise of machine learning and the rapid proliferation of deep learning enhanced stereo matching with new exciting trends and applications unthinkable until a few years ago. Interestingly, the relationship between these two worlds is two-way. While machine, and especially deep, learning advanced the state-of-the-art in stereo matching, stereo itself enabled new ground-breaking methodologies such as self-supervised monocular depth estimation based on deep networks. In this paper, we review recent research in the field of learning-based depth estimation from single and binocular images highlighting the synergies, the successes achieved so far and the open challenges the community is going to face in the immediate future.
• Abstract（参考訳）: ステレオマッチングは、40年近くの研究と研究を積んだコンピュータビジョンにおける最長の問題の1つである。 長年にわたり、パラダイムは局所的なピクセルレベルの決定から、離散的で連続的な最適化の様々な形式から、データ駆動の学習ベースの方法へと移行してきた。 近年、機械学習の台頭とディープラーニングの急速な普及により、新しいエキサイティングなトレンドやアプリケーションが数年前まで考えられなかったステレオマッチングが強化された。 興味深いことに、この2つの世界の関係は双方向である。 機械、特に深層学習がステレオマッチングの最先端を進化させた一方で、ステレオ自体がディープネットワークに基づく自己教師付き単眼深度推定のような新しい画期的な手法を可能にした。 本稿では,相乗効果を強調する単眼画像と双眼画像の学習に基づく奥行き推定の分野における最近の研究を概観し,これまでの成果と,コミュニティが直面する今後の課題について述べる。

関連論文リスト

• Event-based Stereo Depth Estimation: A Survey [12.711235562366898]
  ステレオプシスは、生物が私たちの3D世界をナビゲートする深度を知覚する主要な方法であるため、ロボット工学において広くアピールされている。 イベントカメラは、非常に高時間分解能と高ダイナミックレンジで、ピクセルごとの明るさ変化を非同期に検出する、バイオインスパイアされた新しいセンサーである。 高度の時間精度もステレオマッチングの恩恵を受けており、イベントカメラが登場して以来の一般的な研究領域として不透明度(深度)が評価されている。
  論文  参考訳（メタデータ） (2024-09-26T09:43:50Z)
• 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)
• Deep Long-Tailed Learning: A Survey [163.16874896812885]
  ディープ・ロングテール・ラーニング(Deep Long-tailed Learning)は、長いテールのクラス分布に追従する多数の画像から、優れたパフォーマンスのディープモデルをトレーニングすることを目的としている。 長い尾を持つクラス不均衡は、現実的な視覚認識タスクにおいて一般的な問題である。 本稿では,近年の長期学習の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2021-10-09T15:25:22Z)
• Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective [69.44384540002358]
  この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。 2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。 また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
  論文  参考訳（メタデータ） (2021-04-23T11:07:07Z)
• Unpaired Single-Image Depth Synthesis with cycle-consistent Wasserstein GANs [1.0499611180329802]
  実環境深度のリアルタイム推定は、様々な自律システムタスクにとって必須のモジュールである。 本研究では、生成型ニューラルネットワークの分野における最近の進歩を、教師なしの単一画像深度合成に活用する。
  論文  参考訳（メタデータ） (2021-03-31T09:43:38Z)
• On the confidence of stereo matching in a deep-learning era: a quantitative evaluation [124.09613797008099]
  ステレオマッチングにおける信頼度推定の分野における10年以上の発展を概観する。 本研究では,異なるステレオアルゴリズムのプールに適用した場合と,最先端のディープステレオネットワークと組み合わせる場合とで,各測定値の異なる挙動について検討する。
  論文  参考訳（メタデータ） (2021-01-02T11:40:17Z)
• Reversing the cycle: self-supervised deep stereo through enhanced monocular distillation [51.714092199995044]
  多くの分野において、自己教師付き学習ソリューションは急速に進化し、教師付きアプローチでギャップを埋めている。 本稿では,両者の相互関係を逆転する自己教師型パラダイムを提案する。 深層ステレオネットワークを訓練するために,単分子完備ネットワークを通じて知識を抽出する。
  論文  参考訳（メタデータ） (2020-08-17T07:40:22Z)
• A Survey on Deep Learning Techniques for Stereo-based Depth Estimation [30.330599857204344]
  RGB画像から深度を推定することは、長年続く不適切な問題である。 ステレオベースの深度推定のためのディープラーニングは、コミュニティから関心を集めている。 この新世代の手法は、性能の大きな飛躍を見せている。
  論文  参考訳（メタデータ） (2020-06-01T13:09:46Z)

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。