論文の概要: SSGP: Sparse Spatial Guided Propagation for Robust and Generic
Interpolation
- arxiv url: http://arxiv.org/abs/2008.09346v2
- Date: Wed, 4 Nov 2020 09:06:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 21:47:01.590181
- Title: SSGP: Sparse Spatial Guided Propagation for Robust and Generic
Interpolation
- Title(参考訳): ssgp:ロバストおよび汎用補間のためのスパース空間誘導伝搬
- Authors: Ren\'e Schuster, Oliver Wasenm\"uller, Christian Unger, Didier
Stricker
- Abstract要約: 密度の高い目標解像度へのスパース画素情報の補間は、コンピュータビジョンにおける複数の分野にまたがる応用を見出す。
我々の研究は、疎密な情報に対する厳密なガイダンスの問題に対処する、最新のディープ・コンプリート(deep completion)の傾向にインスパイアされている。
我々は、光学フロー、シーンフロー、深さ補完といった様々な問題に適用可能な、汎用的なクロスドメインアーキテクチャを作成します。
- 参考スコア(独自算出の注目度): 15.71870284091698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Interpolation of sparse pixel information towards a dense target resolution
finds its application across multiple disciplines in computer vision.
State-of-the-art interpolation of motion fields applies model-based
interpolation that makes use of edge information extracted from the target
image. For depth completion, data-driven learning approaches are widespread.
Our work is inspired by latest trends in depth completion that tackle the
problem of dense guidance for sparse information. We extend these ideas and
create a generic cross-domain architecture that can be applied for a multitude
of interpolation problems like optical flow, scene flow, or depth completion.
In our experiments, we show that our proposed concept of Sparse Spatial Guided
Propagation (SSGP) achieves improvements to robustness, accuracy, or speed
compared to specialized algorithms.
- Abstract(参考訳): 密度の高い目標解像度へのスパース画素情報の補間は、コンピュータビジョンにおける複数の分野にわたる応用を見出す。
動き場の最先端の補間は、対象画像から抽出されたエッジ情報を利用するモデルに基づく補間を適用する。
ディープ補完に関しては、データ駆動学習アプローチが広く使われている。
私たちの研究は、疎情報に対する密集したガイダンスの問題に取り組む、最近の奥行き完了の傾向にインスパイアされています。
このようなアイデアを拡張して,光学フローやシーンフロー,奥行き完了といった多数の補間問題に適用可能な,汎用的なクロスドメインアーキテクチャを構築する。
本実験では,提案するsparse spatial guided propagation (ssgp) の概念により,特殊アルゴリズムと比較して頑健性,精度,速度が向上することを示す。
関連論文リスト
- Towards Deeply Unified Depth-aware Panoptic Segmentation with
Bi-directional Guidance Learning [63.63516124646916]
深度認識型パノプティックセグメンテーションのためのフレームワークを提案する。
本稿では,クロスタスク機能学習を容易にする双方向指導学習手法を提案する。
本手法は,Cityscapes-DVPS と SemKITTI-DVPS の両データセットを用いた深度認識型パノプティックセグメンテーションのための新しい手法である。
論文 参考訳(メタデータ) (2023-07-27T11:28:33Z) - GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳(メタデータ) (2022-10-19T17:56:03Z) - Towards Domain-agnostic Depth Completion [96.67020906681175]
既存の深度補完法は、しばしば特定のスパース深度型を目標とし、タスク領域間での一般化が不十分である。
各種センサで得られたスパース/セミデンス,ノイズ,および低分解能深度マップを完備する手法を提案する。
本手法は,最先端の深度補完法に対して優れたクロスドメイン一般化能力を示す。
論文 参考訳(メタデータ) (2022-07-29T04:10:22Z) - USegScene: Unsupervised Learning of Depth, Optical Flow and Ego-Motion
with Semantic Guidance and Coupled Networks [31.600708674008384]
UegSceneは、ステレオカメラ画像の奥行き、光学的流れ、エゴモーション推定を意味的に導くためのフレームワークである。
一般的なKITTIデータセットを用いて,提案手法が他の手法よりも大きなマージンで優れていることを示す。
論文 参考訳(メタデータ) (2022-07-15T13:25:47Z) - Deep Generalized Unfolding Networks for Image Restoration [16.943609020362395]
画像復元のためのDeep Generalized Unfolding Network (DGUNet)を提案する。
我々は、勾配推定戦略をPGDアルゴリズムの勾配降下ステップに統合する。
我々の手法は、最先端の性能、解釈可能性、一般化可能性の点で優れている。
論文 参考訳(メタデータ) (2022-04-28T08:39:39Z) - DenseGAP: Graph-Structured Dense Correspondence Learning with Anchor
Points [15.953570826460869]
2つの画像間の密接な対応を確立することは、基本的なコンピュータビジョンの問題である。
我々は、アンカーポイントに条件付きグラフ構造化ニューラルネットワークを用いたDense対応学習のための新しいソリューションであるDenseGAPを紹介する。
提案手法は,ほとんどのベンチマークにおいて対応学習の最先端化を図っている。
論文 参考訳(メタデータ) (2021-12-13T18:59:30Z) - High-resolution Depth Maps Imaging via Attention-based Hierarchical
Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。
本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-04-04T03:28:33Z) - Depth-conditioned Dynamic Message Propagation for Monocular 3D Object
Detection [86.25022248968908]
モノラル3Dオブジェクト検出の問題を解決するために、コンテキストと奥行きを認識する特徴表現を学びます。
KITTIベンチマークデータセットにおける単眼的アプローチにおける最新の結果を示す。
論文 参考訳(メタデータ) (2021-03-30T16:20:24Z) - A Parallel Down-Up Fusion Network for Salient Object Detection in
Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。
In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。
ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文 参考訳(メタデータ) (2020-10-02T05:27:57Z) - Deformable spatial propagation network for depth completion [2.5306673456895306]
本稿では,各画素に対して異なる受容場と親和性行列を適応的に生成する変形可能な空間伝搬ネットワーク(DSPN)を提案する。
これにより、ネットワークは伝播のためのより少ないがより関連性の高い情報を得ることができる。
論文 参考訳(メタデータ) (2020-07-08T16:39:50Z)
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。