論文の概要: EPI-based Oriented Relation Networks for Light Field Depth Estimation

• arxiv url: http://arxiv.org/abs/2007.04538v2
• Date: Wed, 26 Aug 2020 07:10:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 04:35:11.185339
• Title: EPI-based Oriented Relation Networks for Light Field Depth Estimation
• Title（参考訳）: EPIに基づく光深度推定のための配向関係ネットワーク
• Authors: Kunyuan Li, Jun Zhang, Rui Sun, Xudong Zhang, Jun Gao
• Abstract要約: 水平および垂直のエピポーラ平面画像(EPI)上の交点の深さ値を推定するために、終端から終端までの完全畳み込みネットワーク(FCN)を提案する。 本稿では,線方向関係を構成するORM(Oriented Relation Module)と呼ばれる新しい特徴抽出モジュールを提案する。 トレーニングを容易にするため,同じシーンポイントのEPIから異なる傾斜を求めるために,リフォーカスに基づくデータ拡張手法を提案する。
• 参考スコア（独自算出の注目度）: 13.120247042876175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Light field cameras record not only the spatial information of observed scenes but also the directions of all incoming light rays. The spatial and angular information implicitly contain geometrical characteristics such as multi-view or epipolar geometry, which can be exploited to improve the performance of depth estimation. An Epipolar Plane Image (EPI), the unique 2D spatial-angular slice of the light field, contains patterns of oriented lines. The slope of these lines is associated with the disparity. Benefiting from this property of EPIs, some representative methods estimate depth maps by analyzing the disparity of each line in EPIs. However, these methods often extract the optimal slope of the lines from EPIs while ignoring the relationship between neighboring pixels, which leads to inaccurate depth map predictions. Based on the observation that an oriented line and its neighboring pixels in an EPI share a similar linear structure, we propose an end-to-end fully convolutional network (FCN) to estimate the depth value of the intersection point on the horizontal and vertical EPIs. Specifically, we present a new feature-extraction module, called Oriented Relation Module (ORM), that constructs the relationship between the line orientations. To facilitate training, we also propose a refocusing-based data augmentation method to obtain different slopes from EPIs of the same scene point. Extensive experiments verify the efficacy of learning relations and show that our approach is competitive to other state-of-the-art methods. The code and the trained models are available at https://github.com/lkyahpu/EPI_ORM.git.
• Abstract（参考訳）: 光界カメラは観測されたシーンの空間情報だけでなく、全ての入射光線の方向も記録する。 空間的・角的な情報は多視点やエピポーラ幾何学などの幾何学的特徴を暗黙的に含み、深度推定の性能を向上させるために利用することができる。 光電界の2次元空間角スライスであるエピポーラ平面画像(EPI)は、配向線のパターンを含む。 これらの路線の傾斜は格差と関係している。 EPIのこの性質から、いくつかの代表的手法は、EPIにおける各ラインの格差を分析することによって、深さマップを推定する。 しかし、これらの手法は、隣接する画素間の関係を無視しながら、EPIから最適傾きを抽出することが多く、不正確な深度マップ予測につながる。 EPIにおける配向線とその隣接する画素が同様の線形構造を持つという観測に基づいて、水平および垂直のEPI上の交点の深さ値を推定するために、終端から終端までの完全畳み込みネットワーク(FCN)を提案する。 具体的には、線方向の関係を構成するORM(Oriented Relation Module)と呼ばれる新しい特徴抽出モジュールを提案する。 トレーニングを容易にするため,同じシーンポイントのEPIから異なる傾斜を求めるために,リフォーカスに基づくデータ拡張手法を提案する。 広範な実験により,学習関係の有効性を検証し,我々のアプローチが他の最先端手法に匹敵することを示した。 コードとトレーニングされたモデルはhttps://github.com/lkyahpu/EPI_ORM.gitで公開されている。

関連論文リスト

• IDLS: Inverse Depth Line based Visual-Inertial SLAM [9.38589798999922]
  Inverse Depth Line SLAM (IDLS) を提案する。 IDLSは、複数の知覚的整合性データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-04-23T20:53:05Z)
• Learning Non-Local Spatial-Angular Correlation for Light Field Image Super-Resolution [36.69391399634076]
  光場(LF)画像超解像(SR)には空間-角相関の爆発が不可欠である LF画像SRの非局所的空間角相関を学習するための簡易かつ効果的な手法を提案する。 提案手法は,全角視からの情報を完全に取り入れつつ,極上線に沿った大域的受容場を達成できる。
  論文  参考訳（メタデータ） (2023-02-16T03:40:40Z)
• GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
  本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。 本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。 提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-10-19T17:56:03Z)
• Geo-NI: Geometry-aware Neural Interpolation for Light Field Rendering [57.775678643512435]
  光場レンダリングのためのGeo-NI(Geometry-aware Neural Interpolation)フレームワークを提案する。 NIとDIBRの優位性を組み合わせることで、提案したGeo-NIは、大きな差異でビューをレンダリングすることができる。
  論文  参考訳（メタデータ） (2022-06-20T12:25:34Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• Light Field Depth Estimation via Stitched Epipolar Plane Images [45.5616314866457]
  本研究では,スライス計算を強化するための縫合EPI(SEPI)の概念を提案する。 SEPIは、同じ3Dポイントに対応する異なるEPIから線をシフトして連結することで、これを達成します。 また,テクスチャレス領域における深度推定の改善を目的とした深度伝搬戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:43:40Z)
• Self-Supervised Light Field Depth Estimation Using Epipolar Plane Images [13.137957601685041]
  光深度推定のための自己教師付き学習フレームワークを提案する。 提案手法は,他の最先端手法と比較して,実世界のシナリオにおいて高品質な結果を得ることができる。
  論文  参考訳（メタデータ） (2022-03-29T01:18:59Z)
• Light Field Reconstruction Using Convolutional Network on EPI and Extended Applications [78.63280020581662]
  スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。 最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
  論文  参考訳（メタデータ） (2021-03-24T08:16:32Z)
• Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
  本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。 我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。 特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。