論文の概要: Self-adapting confidence estimation for stereo

• arxiv url: http://arxiv.org/abs/2008.06447v2
• Date: Tue, 24 Nov 2020 18:01:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 17:28:19.107898
• Title: Self-adapting confidence estimation for stereo
• Title（参考訳）: ステレオの自己適応的信頼度推定
• Authors: Matteo Poggi, Filippo Aleotti, Fabio Tosi, Giulio Zaccaroni and Stefano Mattoccia
• Abstract要約: 本稿では,ステレオアルゴリズムやネットワークに自己適応的な信頼度推定を可能にする,フレキシブルで軽量なソリューションを提案する。 当社の戦略は,ステレオシステムとのシームレスな統合を可能にするだけでなく,その自己適応能力によって,現場でのアウト・オブ・ザ・ボックス(out-of-the-box)デプロイメントも実現しています。
• 参考スコア（独自算出の注目度）: 48.56220165347967
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the confidence of disparity maps inferred by a stereo algorithm has become a very relevant task in the years, due to the increasing number of applications leveraging such cue. Although self-supervised learning has recently spread across many computer vision tasks, it has been barely considered in the field of confidence estimation. In this paper, we propose a flexible and lightweight solution enabling self-adapting confidence estimation agnostic to the stereo algorithm or network. Our approach relies on the minimum information available in any stereo setup (i.e., the input stereo pair and the output disparity map) to learn an effective confidence measure. This strategy allows us not only a seamless integration with any stereo system, including consumer and industrial devices equipped with undisclosed stereo perception methods, but also, due to its self-adapting capability, for its out-of-the-box deployment in the field. Exhaustive experimental results with different standard datasets support our claims, showing how our solution is the first-ever enabling online learning of accurate confidence estimation for any stereo system and without any requirement for the end-user.
• Abstract（参考訳）: ステレオアルゴリズムによって推定される不一致マップの信頼度の推定は、そのような手がかりを活用するアプリケーションが増えているため、近年、非常に重要なタスクとなっている。 自己教師付き学習は最近多くのコンピュータビジョンタスクに広まっているが、信頼度推定の分野ではほとんど考慮されていない。 本稿では,ステレオアルゴリズムやネットワークに依存しない自己適応型信頼度推定を可能にする,柔軟で軽量なソリューションを提案する。 提案手法は,任意のステレオ設定(入力ステレオペアと出力不一致マップ)で利用可能な最小情報に依存し,効果的な信頼度尺度を学習する。 この戦略により、コンシューマや産業機器を含むあらゆるステレオシステムとのシームレスな統合が可能になるだけでなく、その自己適応能力により、現場でのアウト・オブ・ボックスの展開が可能になる。 異なる標準データセットによる排他的実験の結果は、私たちのソリューションが、どのようなステレオシステムにおいても、エンドユーザーにとって必要のない正確な信頼度推定のオンライン学習を可能にする最初の方法であることを示す。

関連論文リスト

• Pseudo-Stereo Inputs: A Solution to the Occlusion Challenge in Self-Supervised Stereo Matching [0.0]
  自己教師型ステレオマッチングは、応用と研究に非常に有望である。 光量損失関数に基づく自己教師付きステレオマッチングのパラダイムは、常に性能問題に悩まされてきた。 本稿では,コアオクルージョン問題に対処する,シンプルで効果的な擬似ステレオ入力方式を提案する。
  論文  参考訳（メタデータ） (2024-10-03T14:40:17Z)
• Stereo Risk: A Continuous Modeling Approach to Stereo Matching [110.22344879336043]
  我々はコンピュータビジョンにおける古典的ステレオマッチング問題を解決するための新しいディープラーニングアプローチであるStereo Riskを紹介する。 ステレオリスクはディープネットワーク,特にマルチモーダル確率分布の相違に対して,ステレオマッチング性能を向上させることを実証する。 総合的な分析により,提案手法の理論的健全性と,各種ベンチマークデータセットにおける最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-03T14:30:47Z)
• Robust Confidence Intervals in Stereo Matching using Possibility Theory [2.522402937703098]
  ステレオマッチング問題における不一致信頼区間を推定する手法を提案する。 我々の知る限りでは、これはコストボリュームに基づいて不均一な信頼区間を生成する最初の方法である。 ミドルベリーのステレオデータセットと衛星画像のデータセットを用いて、信頼区間の精度とサイズを検証した。
  論文  参考訳（メタデータ） (2024-04-09T12:48:24Z)
• Modeling Stereo-Confidence Out of the End-to-End Stereo-Matching Network via Disparity Plane Sweep [31.261772846687297]
  提案手法は, 立体像対の任意のシフトを, 差分マップの対応する量シフトで更新する,という考え方に基づいて構築された。 所望の相違プロファイルと予測された相違プロファイルを比較することで、左右の像のあいまいさのレベルを定量化し、信頼度を測定することができる。
  論文  参考訳（メタデータ） (2024-01-22T14:52:08Z)
• A Confidence-based Partial Label Learning Model for Crowd-Annotated Named Entity Recognition [74.79785063365289]
  名前付きエンティティ認識(NER)のための既存のモデルは、主に大規模ラベル付きデータセットに基づいている。 我々は,クラウドアノテートNERに対する先行信頼度(アノテータによる提案)と後続信頼度(モデルによる学習)を統合するために,信頼に基づく部分ラベル学習(CPLL)手法を提案する。
  論文  参考訳（メタデータ） (2023-05-21T15:31:23Z)
• PVStereo: Pyramid Voting Module for End-to-End Self-Supervised Stereo Matching [14.603116313499648]
  本稿では,ピラミッド投票モジュール(PVM)と,OptStereoと呼ばれる新しいDCNNアーキテクチャからなる,堅牢で効果的な自己監督型ステレオマッチング手法を提案する。 具体的には、OptStereoは最初にマルチスケールのコストボリュームを構築し、その後、繰り返し単位を採用し、高分解能で不一致推定を反復的に更新します。 hkust-driveデータセット(大規模な合成ステレオデータセット)を、異なる照明条件と気象条件下で研究目的で収集した。
  論文  参考訳（メタデータ） (2021-03-12T05:27:14Z)
• An evaluation of word-level confidence estimation for end-to-end automatic speech recognition [70.61280174637913]
  エンドツーエンド自動音声認識(ASR)における信頼度推定の検討 4つのよく知られた音声データセットにおける信頼度手法の広範なベンチマークを提供する。 以上の結果から,ロジットを学習温度でスケーリングすることで,強いベースラインが得られることが示唆された。
  論文  参考訳（メタデータ） (2021-01-14T09:51:59Z)
• On the confidence of stereo matching in a deep-learning era: a quantitative evaluation [124.09613797008099]
  ステレオマッチングにおける信頼度推定の分野における10年以上の発展を概観する。 本研究では,異なるステレオアルゴリズムのプールに適用した場合と,最先端のディープステレオネットワークと組み合わせる場合とで,各測定値の異なる挙動について検討する。
  論文  参考訳（メタデータ） (2021-01-02T11:40:17Z)
• Reversing the cycle: self-supervised deep stereo through enhanced monocular distillation [51.714092199995044]
  多くの分野において、自己教師付き学習ソリューションは急速に進化し、教師付きアプローチでギャップを埋めている。 本稿では,両者の相互関係を逆転する自己教師型パラダイムを提案する。 深層ステレオネットワークを訓練するために,単分子完備ネットワークを通じて知識を抽出する。
  論文  参考訳（メタデータ） (2020-08-17T07:40:22Z)

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。