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
- 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) - OpenStereo: A Comprehensive Benchmark for Stereo Matching and Strong
Baseline [26.429115627831877]
我々はOpenStereoと呼ばれるフレキシブルで効率的なステレオマッチングを開発する。
OpenStereoには10以上のネットワークモデルのトレーニングと推論コードが含まれている。
OpenStereoに基づいて実験を行い、元の論文で報告されたパフォーマンス指標を達成または超えた。
論文 参考訳(メタデータ) (2023-12-01T04:35:47Z) - 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) - CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。
本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。
私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
論文 参考訳(メタデータ) (2021-10-04T17:59:31Z) - H-Net: Unsupervised Attention-based Stereo Depth Estimation Leveraging
Epipolar Geometry [4.968452390132676]
本稿では,教師なしステレオ深度推定のためのディープラーニングフレームワークであるH-Netを紹介する。
初めて、Siameseオートエンコーダアーキテクチャが深さ推定に使用されます。
本手法は,最先端の非監視ステレオ深度推定法を上回っている。
論文 参考訳(メタデータ) (2021-04-22T19:16:35Z) - 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。