論文の概要: Adaptive LiDAR Sampling and Depth Completion using Ensemble Variance

• arxiv url: http://arxiv.org/abs/2007.13834v2
• Date: Tue, 5 Oct 2021 14:37:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 08:30:53.795622
• Title: Adaptive LiDAR Sampling and Depth Completion using Ensemble Variance
• Title（参考訳）: アンサンブル変数を用いた適応LiDARサンプリングと深さ補完
• Authors: Eyal Gofer, Shachar Praisler and Guy Gilboa
• Abstract要約: 本研究は, 画像データの有無に関わらず, 所定の限られた画素数の深さをアルゴリズムが測定できるという, 深度完備化の問題について考察する。 アルゴリズム上の課題は、画素位置を戦略的かつ動的に選択し、全体の深さ推定誤差を最大に削減することである。 この設定は、プログラム可能なLiDARを備えた自動運転車の昼間または夜間の深度完了時に実現される。
• 参考スコア（独自算出の注目度）: 12.633386045916444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work considers the problem of depth completion, with or without image data, where an algorithm may measure the depth of a prescribed limited number of pixels. The algorithmic challenge is to choose pixel positions strategically and dynamically to maximally reduce overall depth estimation error. This setting is realized in daytime or nighttime depth completion for autonomous vehicles with a programmable LiDAR. Our method uses an ensemble of predictors to define a sampling probability over pixels. This probability is proportional to the variance of the predictions of ensemble members, thus highlighting pixels that are difficult to predict. By additionally proceeding in several prediction phases, we effectively reduce redundant sampling of similar pixels. Our ensemble-based method may be implemented using any depth-completion learning algorithm, such as a state-of-the-art neural network, treated as a black box. In particular, we also present a simple and effective Random Forest-based algorithm, and similarly use its internal ensemble in our design. We conduct experiments on the KITTI dataset, using the neural network algorithm of Ma et al. and our Random Forest based learner for implementing our method. The accuracy of both implementations exceeds the state of the art. Compared with a random or grid sampling pattern, our method allows a reduction by a factor of 4-10 in the number of measurements required to attain the same accuracy.
• Abstract（参考訳）: 本研究は,画像データの有無に関わらず,所定の限られた画素数の深さをアルゴリズムが測定できる深度補完の問題を考える。 アルゴリズム上の課題は、全深度推定誤差を最大に低減するために戦略的かつ動的に画素位置を選択することである。 この設定は、プログラム可能なLiDARを備えた自動運転車の昼間または夜間の深度完了時に実現される。 本手法では,ピクセル上のサンプリング確率を定義するために,予測器のアンサンブルを用いる。 この確率はアンサンブルメンバーの予測のばらつきに比例し、予測が難しいピクセルを強調させる。 さらに、複数の予測フェーズを進行させることで、類似画素の冗長サンプリングを効果的に削減する。 本手法は,最先端ニューラルネットワークなどの奥行き補完学習アルゴリズムを用いて,ブラックボックスとして扱うことができる。 特に,単純かつ効果的なランダムフォレストに基づくアルゴリズムを提案し,その内部アンサンブルを設計に用いた。 提案手法の実装には,Ma等のニューラルネットワークアルゴリズムとランダムフォレストに基づく学習者を用いて,KITTIデータセット上で実験を行った。 両方の実装の正確さは、技術の現状を超えている。 ランダムなサンプリングパターンやグリッドサンプリングパターンと比較して,同じ精度を達成するために必要な測定回数の4～10倍の削減が可能となる。

関連論文リスト

• Deep Gaussian mixture model for unsupervised image segmentation [1.3654846342364308]
  多くのタスクにおいて、十分なピクセルレベルのラベルを得るのは非常に困難である。 本稿では,ガウス混合モデル(GMM)と教師なしディープラーニング技術を組み合わせた手法を提案する。 マルチシーケンスMRI画像における梗塞領域分割の例について, 様々な実験において本手法の利点を実証する。
  論文  参考訳（メタデータ） (2024-04-18T15:20:59Z)
• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
  我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。 新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。 増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-08-10T12:53:30Z)
• Single Image Depth Prediction Made Better: A Multivariate Gaussian Take [163.14849753700682]
  本稿では,画素ごとの深度を連続的にモデル化する手法を提案する。 提案手法の精度(MG)は,KITTI深度予測ベンチマークリーダーボードの上位に位置する。
  論文  参考訳（メタデータ） (2023-03-31T16:01:03Z)
• Layer Ensembles [95.42181254494287]
  本稿では,ネットワークの各層に対する独立なカテゴリ分布の集合を考慮した不確実性推定手法を提案する。 その結果,メモリと実行時間が少なくなるモデルが得られた。
  論文  参考訳（メタデータ） (2022-10-10T17:52:47Z)
• How to Guide Adaptive Depth Sampling? [9.848252984349603]
  ニューラルネットワークは、RGB画像から非常に忠実なImportance Mapを生成することができることを示す。 次に,再構築が困難な地域でより密集したシーンのサンプリングパターンを生成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-20T14:23:01Z)
• Multi-View Depth Estimation by Fusing Single-View Depth Probability with Multi-View Geometry [25.003116148843525]
  多視点幾何を用いて一視点深度確率を融合するフレームワークであるMaGNetを提案する。 MaGNet は ScanNet, 7-Scenes, KITTI で最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-12-15T14:56:53Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)

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。