論文の概要: Expanding Sparse Guidance for Stereo Matching

• arxiv url: http://arxiv.org/abs/2005.02123v1
• Date: Fri, 24 Apr 2020 06:41:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 02:48:38.415625
• Title: Expanding Sparse Guidance for Stereo Matching
• Title（参考訳）: ステレオマッチングのためのスパースガイダンスの拡張
• Authors: Yu-Kai Huang, Yueh-Cheng Liu, Tsung-Han Wu, Hung-Ting Su and Winston H. Hsu
• Abstract要約: 局所特徴強調のためのRGB画像に関するスパースキューを拡大する新しい空間拡張手法を提案する。 提案手法は,最先端のステレオアルゴリズムを極めてスパースな手法で大幅に向上させる。
• 参考スコア（独自算出の注目度）: 24.74333370941674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The performance of image based stereo estimation suffers from lighting variations, repetitive patterns and homogeneous appearance. Moreover, to achieve good performance, stereo supervision requires sufficient densely-labeled data, which are hard to obtain. In this work, we leverage small amount of data with very sparse but accurate disparity cues from LiDAR to bridge the gap. We propose a novel sparsity expansion technique to expand the sparse cues concerning RGB images for local feature enhancement. The feature enhancement method can be easily applied to any stereo estimation algorithms with cost volume at the test stage. Extensive experiments on stereo datasets demonstrate the effectiveness and robustness across different backbones on domain adaption and self-supervision scenario. Our sparsity expansion method outperforms previous methods in terms of disparity by more than 2 pixel error on KITTI Stereo 2012 and 3 pixel error on KITTI Stereo 2015. Our approach significantly boosts the existing state-of-the-art stereo algorithms with extremely sparse cues.
• Abstract（参考訳）: 画像に基づくステレオ推定の性能は、照明の変動、繰り返しパターン、均質な外観に悩まされる。 さらに, 良好な性能を実現するためには, 十分な高密度ラベルデータが必要であり, 取得が困難である。 本研究では,このギャップを埋めるために,LiDARの精度の低い小量のデータを活用する。 局所特徴強調のためのRGB画像に関するスパースキューを拡大する新しい空間拡張手法を提案する。 この特徴拡張法は, 試験段階でコスト体積を有する任意のステレオ推定アルゴリズムに容易に適用できる。 ステレオデータセットに関する広範囲な実験は、異なるバックボーン間でのドメイン適応と自己スーパービジョンシナリオの有効性と堅牢性を示している。 提案手法は,kitti stereo 2012における2ピクセル以上の誤差とkitti stereo 2015における3ピクセル誤差の差において,従来の方法よりも優れている。 提案手法は,最先端のステレオアルゴリズムを極めて少ない精度で大幅に向上させる。

関連論文リスト

• Stereo Risk: A Continuous Modeling Approach to Stereo Matching [110.22344879336043]
  我々はコンピュータビジョンにおける古典的ステレオマッチング問題を解決するための新しいディープラーニングアプローチであるStereo Riskを紹介する。 ステレオリスクはディープネットワーク,特にマルチモーダル確率分布の相違に対して,ステレオマッチング性能を向上させることを実証する。 総合的な分析により,提案手法の理論的健全性と,各種ベンチマークデータセットにおける最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-03T14:30:47Z)
• 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)
• Stereo Matching with Cost Volume based Sparse Disparity Propagation [27.74131924190943]
  本稿では,コストの一致量とスパースマッチング特徴点に基づく一般的なステレオマッチングを改善するための,シンプルながら斬新な手法を提案する。 提案手法は,最先端手法に匹敵する有望な性能を実現する。
  論文  参考訳（メタデータ） (2022-01-28T05:20:41Z)
• 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)
• Neural Disparity Refinement for Arbitrary Resolution Stereo [67.55946402652778]
  本稿では,安価で広範なコンシューマデバイスへの3Dコンピュータビジョンの展開を容易にすることを目的とした,ニューラルディファリティ改善のための新しいアーキテクチャを提案する。 我々のアプローチは任意の出力解像度で洗練された不均一写像を推定できる連続的な定式化に依存している。
  論文  参考訳（メタデータ） (2021-10-28T18:00:00Z)
• SMD-Nets: Stereo Mixture Density Networks [68.56947049719936]
  SMD-Nets(Stereo Mixture Density Networks)は、幅広い2Dおよび3Dアーキテクチャに対応したシンプルで効果的な学習フレームワークです。 具体的には,バイモーダル混合密度を出力表現として活用し,不連続近傍の鋭く正確な不一致推定を可能にすることを示す。 我々は8Mpx解像度のステレオペアと現実世界のステレオデータセットからなる、新しい高解像度でリアルな合成ステレオデータセットに関する包括的な実験を行う。
  論文  参考訳（メタデータ） (2021-04-08T16:15:46Z)
• PVStereo: Pyramid Voting Module for End-to-End Self-Supervised Stereo Matching [14.603116313499648]
  本稿では,ピラミッド投票モジュール(PVM)と,OptStereoと呼ばれる新しいDCNNアーキテクチャからなる,堅牢で効果的な自己監督型ステレオマッチング手法を提案する。 具体的には、OptStereoは最初にマルチスケールのコストボリュームを構築し、その後、繰り返し単位を採用し、高分解能で不一致推定を反復的に更新します。 hkust-driveデータセット(大規模な合成ステレオデータセット)を、異なる照明条件と気象条件下で研究目的で収集した。
  論文  参考訳（メタデータ） (2021-03-12T05:27:14Z)
• Parallax Attention for Unsupervised Stereo Correspondence Learning [46.035892564279564]
  ステレオ画像対は、3Dシーンキューを左画像と右画像のステレオ対応に符号化する。 近年のCNNベースの手法では,大域にわたるステレオ対応を捉えるために,コストボリューム技術が一般的である。 本稿では, 相違によらずステレオ対応を捉えるために, 汎用パララックスアテンション機構(PAM)を提案する。
  論文  参考訳（メタデータ） (2020-09-16T01:30:13Z)
• AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching [50.06646151004375]
  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。
  論文  参考訳（メタデータ） (2020-04-09T16:15:13Z)

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。