論文の概要: Knowing Depth Quality In Advance: A Depth Quality Assessment Method For RGB-D Salient Object Detection

• arxiv url: http://arxiv.org/abs/2008.04157v1
• Date: Fri, 7 Aug 2020 10:52:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 00:54:41.924667
• Title: Knowing Depth Quality In Advance: A Depth Quality Assessment Method For RGB-D Salient Object Detection
• Title（参考訳）: 深部品質の高度化:RGB-D能動物体検出のための深部品質評価手法
• Authors: Xuehao Wang, Shuai Li, Chenglizhao Chen, Aimin Hao, Hong Qin
• Abstract要約: 本稿では,D品質を事前に測定する簡易かつ効果的な手法を提案する。 提案手法は, ほぼ2.0%で安定した性能向上を実現する。
• 参考スコア（独自算出の注目度）: 53.603301314081826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Previous RGB-D salient object detection (SOD) methods have widely adopted deep learning tools to automatically strike a trade-off between RGB and D (depth), whose key rationale is to take full advantage of their complementary nature, aiming for a much-improved SOD performance than that of using either of them solely. However, such fully automatic fusions may not always be helpful for the SOD task because the D quality itself usually varies from scene to scene. It may easily lead to a suboptimal fusion result if the D quality is not considered beforehand. Moreover, as an objective factor, the D quality has long been overlooked by previous work. As a result, it is becoming a clear performance bottleneck. Thus, we propose a simple yet effective scheme to measure D quality in advance, the key idea of which is to devise a series of features in accordance with the common attributes of high-quality D regions. To be more concrete, we conduct D quality assessments for each image region, following a multi-scale methodology that includes low-level edge consistency, mid-level regional uncertainty and high-level model variance. All these components will be computed independently and then be assembled with RGB and D features, applied as implicit indicators, to guide the selective fusion. Compared with the state-of-the-art fusion schemes, our method can achieve a more reasonable fusion status between RGB and D. Specifically, the proposed D quality measurement method achieves steady performance improvements for almost 2.0\% in general.
• Abstract（参考訳）: 従来の RGB-D salient Object Detection (SOD) 手法では,RGBとD(深度)のトレードオフを自動的に打つためのディープラーニングツールが広く採用されている。 しかし、このような完全自動融合は、通常Dの品質がシーンによって異なるため、SODタスクにとって必ずしも役に立たない。 D の品質が事前に考慮されていない場合、これは容易に準最適融合結果につながる可能性がある。 さらに、客観的な要因として、Dの品質は以前から見過ごされてきた。 その結果、明らかにパフォーマンスのボトルネックになっています。 そこで,本稿では,D領域の共通属性に応じて一連の特徴を考案することを目的として,D領域の品質を事前に測定する簡易かつ効果的な手法を提案する。 さらに具体的には、低レベルのエッジ整合性、中レベルの地域不確実性、高レベルのモデル分散を含むマルチスケール方法論に従って、各画像領域のD品質評価を行う。 これらの全てのコンポーネントは独立に計算され、選択的融合を導くために暗黙の指標として適用されるrgbとdの機能で組み立てられる。 提案手法は,最先端の核融合方式と比較して,RGBとDの融合状態がより合理的であることを示す。

関連論文リスト

• Confidence-Aware RGB-D Face Recognition via Virtual Depth Synthesis [48.59382455101753]
  2D顔認証は、照明、閉塞、ポーズの変化により、制約のない環境において課題に遭遇する。 近年の研究では、深度情報を組み込んだRGB-D顔認証に焦点が当てられている。 本研究では,まず,深度モデル事前学習のための3次元Morphable Modelsによって生成された多様な深度データセットを構築する。 そこで本研究では,手軽に利用できるRGBと深度モデルを利用したドメイン非依存の事前学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:12:24Z)
• RGB-based Category-level Object Pose Estimation via Decoupled Metric Scale Recovery [72.13154206106259]
  本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。 具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。 別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
  論文  参考訳（メタデータ） (2023-09-19T02:20:26Z)
• Robust RGB-D Fusion for Saliency Detection [13.705088021517568]
  本稿では, 層状および三重項空間, 注意機構の利点を生かしたRGB-D融合法を提案する。 5つのベンチマーク・データセットを用いた実験により,提案手法は最先端の核融合法よりも一貫した性能を示した。
  論文  参考訳（メタデータ） (2022-08-02T21:23:00Z)
• Pyramidal Attention for Saliency Detection [30.554118525502115]
  本稿では,RGB画像のみを活用し,RGBから深度を推定し,中間深度特性を利用する。 ピラミッド型アテンション構造を用いて,マルチレベル畳み込み変換器の特徴を抽出し,初期表現の処理を行う。 我々は8つのRGBおよびRGB-Dデータセット上で21と40の最先端SOD法に対する性能を著しく改善したことを報告した。
  論文  参考訳（メタデータ） (2022-04-14T06:57:46Z)
• Deep RGB-D Saliency Detection with Depth-Sensitive Attention and Automatic Multi-Modal Fusion [15.033234579900657]
  RGB-Dサラエントオブジェクト検出(SOD)は通常、2つのモダリティ、すなわちRGBと深さの分類または回帰の問題として定式化される。 本稿では,salient objectsの奥行き方向幾何学的前置を用いた深さ感応型rgb特徴モデリング手法を提案する。 7つの標準ベンチマークに関する実験は、最先端技術に対する提案手法の有効性を示している。
  論文  参考訳（メタデータ） (2021-03-22T13:28:45Z)
• Learning Selective Mutual Attention and Contrast for RGB-D Saliency Detection [145.4919781325014]
  クロスモーダル情報を効果的に融合する方法は、RGB-Dの有能な物体検出の鍵となる問題である。 多くのモデルは特徴融合戦略を用いるが、低次点対点融合法によって制限されている。 本研究では,異なるモダリティから注目とコンテキストを融合させることにより,新たな相互注意モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-12T08:50:10Z)
• Depth Quality Aware Salient Object Detection [52.618404186447165]
  本稿では,選択的なRGB-D融合を行う前に,従来の2ストリーム構造に意識した新しい深度品質を組み込むことを目的としている。 本手法の主な特徴は,ロークオリティ,ノンコントリビューション,さらには負コントリビューションD領域のRGB-D融合における重要性を低下させることである。
  論文  参考訳（メタデータ） (2020-08-07T09:54:39Z)
• RGB-D Salient Object Detection: A Survey [195.83586883670358]
  様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。 また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。 今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
  論文  参考訳（メタデータ） (2020-08-01T10:01:32Z)

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。