論文の概要: Channel Attention based Iterative Residual Learning for Depth Map Super-Resolution

• arxiv url: http://arxiv.org/abs/2006.01469v1
• Date: Tue, 2 Jun 2020 09:12:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 00:38:14.253500
• Title: Channel Attention based Iterative Residual Learning for Depth Map Super-Resolution
• Title（参考訳）: チャンネルアテンションに基づく深度マップ超解像のための反復残差学習
• Authors: Xibin Song, Yuchao Dai, Dingfu Zhou, Liu Liu, Wei Li, Hongdng Li, Ruigang Yang
• Abstract要約: 我々は、合成データセットで訓練されたDSRモデルは制限的であり、実世界のDSRタスクを扱うのに有効ではないと論じる。 我々は、異なる深度センサの現実世界の劣化に対処するために2つの貢献をしている。 4つのモジュールからなる実世界のDSRのための新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 58.626803922196146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the remarkable progresses made in deep-learning based depth map super-resolution (DSR), how to tackle real-world degradation in low-resolution (LR) depth maps remains a major challenge. Existing DSR model is generally trained and tested on synthetic dataset, which is very different from what would get from a real depth sensor. In this paper, we argue that DSR models trained under this setting are restrictive and not effective in dealing with real-world DSR tasks. We make two contributions in tackling real-world degradation of different depth sensors. First, we propose to classify the generation of LR depth maps into two types: non-linear downsampling with noise and interval downsampling, for which DSR models are learned correspondingly. Second, we propose a new framework for real-world DSR, which consists of four modules : 1) An iterative residual learning module with deep supervision to learn effective high-frequency components of depth maps in a coarse-to-fine manner; 2) A channel attention strategy to enhance channels with abundant high-frequency components; 3) A multi-stage fusion module to effectively re-exploit the results in the coarse-to-fine process; and 4) A depth refinement module to improve the depth map by TGV regularization and input loss. Extensive experiments on benchmarking datasets demonstrate the superiority of our method over current state-of-the-art DSR methods.
• Abstract（参考訳）: 深層学習に基づく深度マップ(DSR)における顕著な進歩にもかかわらず、低解像度(LR)深度マップの現実的な劣化への取り組みは依然として大きな課題である。 既存のDSRモデルは一般的に、実際の深度センサーから得られるものとは大きく異なる合成データセットで訓練され、テストされる。 本稿では,この条件下で訓練されたDSRモデルは制約的であり,実世界のDSRタスクの処理には有効ではないことを論じる。 我々は、異なる深度センサの現実世界の劣化に取り組むのに2つの貢献をしている。 まず、LR深度マップの生成をノイズ付き非線形ダウンサンプリングと区間ダウンサンプリングの2つのタイプに分類し、DSRモデルに対応して学習する。 第2に、4つのモジュールからなる実世界のDSRのための新しいフレームワークを提案する。 1) 奥行きマップの効率的な高周波成分を粗い方法で学習するための、深い監督を伴う反復的残差学習モジュール。 2) 高周波成分の豊富なチャネルを強化するためのチャネル注目戦略 3) 粗粒化過程の結果を効果的に再発見する多段核融合モジュール,及び 4)tgv正規化と入力損失により深度マップを改善する深さ細分化モジュール。 ベンチマークデータセットに関する広範囲な実験は、現在のdsr法よりも優れていることを示している。

関連論文リスト

• DSR-Diff: Depth Map Super-Resolution with Diffusion Model [38.68563026759223]
  本稿では,遅延空間内の拡散モデルを用いて,深度マップの超解像誘導を行う新しいCDSRパラダイムを提案する。 提案手法は,最先端手法と比較して,広範囲な実験において優れた性能を示した。
  論文  参考訳（メタデータ） (2023-11-16T14:18:10Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Structure Flow-Guided Network for Real Depth Super-Resolution [28.63334760296165]
  本稿では,新しい構造フロー誘導深度超解像(DSR)フレームワークを提案する。 クロスモダリティフローマップを学習し、RGB構造情報転送を正確に深度アップサンプリングするためのガイドする。 我々のフレームワークは最先端の手法と比較して優れた性能を実現している。
  論文  参考訳（メタデータ） (2023-01-31T05:13:55Z)
• BridgeNet: A Joint Learning Network of Depth Map Super-Resolution and Monocular Depth Estimation [60.34562823470874]
  本稿では,DSR(Deep Map Super- resolution)とMDE(Monocular depth Estimation)の併用学習ネットワークを提案する。 1つは特徴符号化プロセスのために設計された高周波アテンションブリッジ(HABdg)で、これはDSRタスクを誘導するMDEタスクの高周波情報を学ぶ。 もう一つは、深度マップ再構築プロセス用に設計されたコンテンツガイダンスブリッジ(CGBdg)であり、MDEタスクのためにDSRタスクから学んだコンテンツガイダンスを提供する。
  論文  参考訳（メタデータ） (2021-07-27T01:28:23Z)
• Towards Unpaired Depth Enhancement and Super-Resolution in the Wild [121.96527719530305]
  最先端のデータ駆動による深度マップの超解像法は、同じシーンの低解像度と高解像度の深度マップの登録ペアに依存している。 未経験データからの学習に基づく深度マップの強化について考察する。
  論文  参考訳（メタデータ） (2021-05-25T16:19:16Z)
• Towards Fast and Accurate Real-World Depth Super-Resolution: Benchmark Dataset and Baseline [48.69396457721544]
  深度写像スーパーリゾリューション(SR)の研究を促進するために,RGB-D-Dという大規模データセットを構築した。 本稿では、RGB画像から高周波成分を適応的に分解して深度マップSRを導出する高速深度マップ超解像(FDSR)ベースラインを提供する。 実世界のLR深度マップでは、より明確な境界を持つより正確なHR深度マップを作成でき、ある程度の精度で深度値誤差を補正できる。
  論文  参考訳（メタデータ） (2021-04-13T13:27:26Z)
• High-resolution Depth Maps Imaging via Attention-based Hierarchical Multi-modal Fusion [84.24973877109181]
  誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。 本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:28:33Z)
• 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)

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。