論文の概要: P2D: a self-supervised method for depth estimation from polarimetry
- arxiv url: http://arxiv.org/abs/2007.07567v1
- Date: Wed, 15 Jul 2020 09:32:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 05:53:05.129890
- Title: P2D: a self-supervised method for depth estimation from polarimetry
- Title（参考訳）: P2D:ポラリメトリからの深度推定のための自己教師的手法
- Authors: Marc Blanchon, D\'esir\'e Sidib\'e, Olivier Morel, Ralph Seulin,
Daniel Braun and Fabrice Meriaudeau
- Abstract要約: 本研究では,シーンの正確な再構築を促進するために,偏光手法の活用を提案する。
本手法を定性的かつ定量的に評価し,この新たな情報の寄与と損失関数の強化により深度推定結果が向上することを示した。
- 参考スコア（独自算出の注目度）: 0.7046417074932255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monocular depth estimation is a recurring subject in the field of computer
vision. Its ability to describe scenes via a depth map while reducing the
constraints related to the formulation of perspective geometry tends to favor
its use. However, despite the constant improvement of algorithms, most methods
exploit only colorimetric information. Consequently, robustness to events to
which the modality is not sensitive to, like specularity or transparency, is
neglected. In response to this phenomenon, we propose using polarimetry as an
input for a self-supervised monodepth network. Therefore, we propose exploiting
polarization cues to encourage accurate reconstruction of scenes. Furthermore,
we include a term of polarimetric regularization to state-of-the-art method to
take specific advantage of the data. Our method is evaluated both qualitatively
and quantitatively demonstrating that the contribution of this new information
as well as an enhanced loss function improves depth estimation results,
especially for specular areas.
- Abstract（参考訳）: 単眼深度推定は、コンピュータビジョンの分野における繰り返し主題である。
深度マップを通じてシーンを記述する能力は、視点幾何学の定式化に関連する制約を減らしながら、その使用を好む傾向がある。
しかし、アルゴリズムの絶え間ない改良にもかかわらず、ほとんどの手法は測色情報のみを利用する。
したがって、モジュラリティが仕様性や透明性に敏感でないイベントに対する堅牢性は無視される。
この現象に対応して、自己教師付き単深ネットワークの入力として偏光法を提案する。
そこで本研究では,シーンの正確な再構築を促進するために,偏光手法の活用を提案する。
さらに,データに特有の利点を生かすために,最先端法に対する偏光正規化(polarimetric regularization)という用語も含む。
本手法は,新しい情報と拡張損失関数の寄与が,特に鏡面領域における深さ推定結果を改善することを定性的かつ定量的に評価する。
関連論文リスト
- Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。
まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。
大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
論文 参考訳（メタデータ） (2024-04-05T17:55:33Z) - Probabilistic and Geometric Depth: Detecting Objects in Perspective [78.00922683083776]
3次元物体検出は、運転支援システムなどの様々な実用用途で必要とされる重要な機能である。
双眼視やLiDARに頼っている従来の設定に比べて、経済的な解決策として単眼3D検出が注目されているが、それでも満足のいく結果が得られていない。
本稿ではまず,この問題に関する系統的研究を行い,現在の単分子3次元検出問題をインスタンス深度推定問題として単純化できることを考察する。
論文 参考訳（メタデータ） (2021-07-29T16:30:33Z) - An Adaptive Framework for Learning Unsupervised Depth Completion [59.17364202590475]
カラー画像から高密度深度マップとそれに伴うスパース深度測定を推定する手法を提案する。
正規化とコビジュアライゼーションは、モデルの適合度とデータによって関連付けられており、単一のフレームワークに統合可能であることを示す。
論文 参考訳（メタデータ） (2021-06-06T02:27:55Z) - Towards urban scenes understanding through polarization cues [1.1339580074756188]
動的都市景観を解析するための偏光指標に基づく2軸パイプラインを提案する。
従来の測光特性に加えて,偏光センシングも含むことを提案する。
論文 参考訳（メタデータ） (2021-06-03T09:40:08Z) - Self-Guided Instance-Aware Network for Depth Completion and Enhancement [6.319531161477912]
既存の手法では,画素ワイド画像の内容とそれに対応する近傍の深度値に基づいて,欠落した深度測定を直接補間する。
本稿では、自己誘導機構を利用して、深度復元に必要なインスタンスレベルの特徴を抽出する自己誘導型インスタンス認識ネットワーク(SG-IANet)を提案する。
論文 参考訳（メタデータ） (2021-05-25T19:41:38Z) - Polarimetric Monocular Dense Mapping Using Relative Deep Depth Prior [8.552832023331248]
偏光カメラから利用できる全偏光キューを用いたオンライン再構成手法を提案する。
提案手法は, 深度マップの精度を向上し, 特に質感の悪い地域では, 密度を向上することができる。
論文 参考訳（メタデータ） (2021-02-10T01:34:37Z) - SAFENet: Self-Supervised Monocular Depth Estimation with Semantic-Aware
Feature Extraction [27.750031877854717]
本稿では,セマンティック情報を活用して光度損失の限界を克服するSAFENetを提案する。
私たちのキーとなるアイデアは、意味的知識と幾何学的知識を統合するセマンティック・アウェア・ディープ機能を活用することです。
KITTIデータセットの実験では、我々の手法が最先端の手法と競合するか、さらに優れています。
論文 参考訳（メタデータ） (2020-10-06T17:22:25Z) - Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。
擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。
実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-09-27T13:26:16Z) - Calibrating Self-supervised Monocular Depth Estimation [77.77696851397539]
近年、ニューラルネットワークが深度を学習し、画像のシーケンスに変化を起こさせる能力を示す方法は、訓練信号として自己スーパービジョンのみを使用している。
カメラの構成や環境に関する事前情報を取り入れることで,センサの追加に頼ることなく,自己教師型定式化を用いて,スケールのあいまいさを排除し,深度を直接予測できることを示す。
論文 参考訳（メタデータ） (2020-09-16T14:35:45Z) - AcED: Accurate and Edge-consistent Monocular Depth Estimation [0.0]
単一画像深度推定は難しい問題である。
完全に微分可能な順序回帰を定式化し、エンドツーエンドでネットワークを訓練する。
深度補正のための画素ごとの信頼度マップ計算も提案した。
論文 参考訳（メタデータ） (2020-06-16T15:21:00Z) - Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
カラービデオから多フレーム深度を推定する新しい学習手法を提案する。
本手法は深度推定精度において最先端の手法より優れる。
論文 参考訳（メタデータ） (2020-04-02T07:10:45Z)
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。