論文の概要: Geometry-based Occlusion-Aware Unsupervised Stereo Matching for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2010.10700v1
• Date: Wed, 21 Oct 2020 01:22:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 00:18:41.836107
• Title: Geometry-based Occlusion-Aware Unsupervised Stereo Matching for Autonomous Driving
• Title（参考訳）: 幾何学に基づく自律走行用オクルージョンアウェア非教師付きステレオマッチング
• Authors: Liang Peng, Dan Deng, and Deng Cai
• Abstract要約: 閉塞処理はステレオマッチングにおいて特に教師なし手法では難しい問題である。 我々は,隠蔽領域を検出する効果的な方法を導入し,隠蔽領域に対処する新しい教師なしトレーニング戦略を提案する。 我々の手法はステレオマッチングの他の教師なし手法よりも優れています。
• 参考スコア（独自算出の注目度）: 26.787020338316815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, there are emerging many stereo matching methods for autonomous driving based on unsupervised learning. Most of them take advantage of reconstruction losses to remove dependency on disparity groundtruth. Occlusion handling is a challenging problem in stereo matching, especially for unsupervised methods. Previous unsupervised methods failed to take full advantage of geometry properties in occlusion handling. In this paper, we introduce an effective way to detect occlusion regions and propose a novel unsupervised training strategy to deal with occlusion that only uses the predicted left disparity map, by making use of its geometry features in an iterative way. In the training process, we regard the predicted left disparity map as pseudo groundtruth and infer occluded regions using geometry features. The resulting occlusion mask is then used in either training, post-processing, or both of them as guidance. Experiments show that our method could deal with the occlusion problem effectively and significantly outperforms the other unsupervised methods for stereo matching. Moreover, our occlusion-aware strategies can be extended to the other stereo methods conveniently and improve their performances.
• Abstract（参考訳）: 近年,教師なし学習に基づく自律運転のためのステレオマッチング手法が数多く出現している。 多くは再建損失を利用して、異質な基盤への依存を取り除く。 閉塞処理はステレオマッチングにおいて特に教師なし手法では難しい問題である。 従来の教師なし手法では咬合処理の幾何学的性質を十分に活用できなかった。 本稿では,隠蔽領域の検出に有効な手法を提案するとともに,その幾何学的特徴を反復的に利用することにより,予測左差マップのみを用いた隠蔽領域の非教師なし学習戦略を提案する。 トレーニングプロセスでは,予測された左不等式マップを疑似接地とし,幾何特徴を用いてオクルード領域を推定する。 結果として生じるオクルージョンマスクは、トレーニング、後処理、あるいはどちらもガイダンスとして使用される。 実験の結果,オクルージョン問題に効果的に対処でき,ステレオマッチングのための他の教師なし手法よりも優れていた。 さらに,我々のオクルージョン・アウェア戦略は,他のステレオメソッドにも便利に拡張でき,性能が向上する。

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-Matching Knowledge Distilled Monocular Depth Estimation Filtered by Multiple Disparity Consistency [31.261772846687297]
  複数の不均一マップを用いて擬似深度マップの誤りを特定しフィルタする手法を提案する。 実験の結果,提案手法は従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T15:05:05Z)
• Unsupervised Few-shot Learning via Deep Laplacian Eigenmaps [13.6555672824229]
  深層ラプラシア固有写像を用いた教師なし数ショット学習法を提案する。 本手法は,類似したサンプルをグループ化することで,ラベルのないデータから表現を学習する。 我々は、教師なし学習において、ラプラシアン固有写像が崩壊した表現をいかに避けるかを解析的に示す。
  論文  参考訳（メタデータ） (2022-10-07T14:53:03Z)
• Self-supervised Transformer for Deepfake Detection [112.81127845409002]
  現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。 転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。 本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-02T17:44:40Z)
• Block shuffling learning for Deepfake Detection [9.180904212520355]
  畳み込みニューラルネットワーク(CNN)に基づくディープフェイク検出手法は精度が高いことを示した。 これらの手法は、未知の偽造法や共通変換に直面すると、しばしば性能が低下する。 本稿では,この問題に対処するためのブロックシャッフル正規化手法を提案する。
  論文  参考訳（メタデータ） (2022-02-06T17:16:46Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• Orthogonal Jacobian Regularization for Unsupervised Disentanglement in Image Generation [64.92152574895111]
  直交ジャコビアン正規化法(OroJaR)を提案する。 提案手法は, 絡み合った, 制御可能な画像生成に有効であり, 最先端の手法に対して好適に機能する。
  論文  参考訳（メタデータ） (2021-08-17T15:01:46Z)
• Locality-aware Channel-wise Dropout for Occluded Face Recognition [116.2355331029041]
  顔認識は、特に顔が部分的に隠されている場合、制約のないシナリオでは難しいタスクである。 そこで本研究では,ニューロン群の活性化を,精巧に選択されたチャネルに落とすことによって,新しい,エレガントなオクルージョン・シミュレート法を提案する。 種々のベンチマーク実験により,提案手法は最先端の手法よりも優れた性能を示し,性能が向上した。
  論文  参考訳（メタデータ） (2021-07-20T05:53:14Z)
• An Adaptive Framework for Learning Unsupervised Depth Completion [59.17364202590475]
  カラー画像から高密度深度マップとそれに伴うスパース深度測定を推定する手法を提案する。 正規化とコビジュアライゼーションは、モデルの適合度とデータによって関連付けられており、単一のフレームワークに統合可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-06T02:27:55Z)
• 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)
• Towards Certified Robustness of Distance Metric Learning [53.96113074344632]
  我々は,距離学習アルゴリズムの一般化とロバスト性を改善するために,入力空間に逆のマージンを付与することを提唱する。 アルゴリズム的ロバスト性の理論手法を用いることにより,拡張マージンは一般化能力に有益であることを示す。
  論文  参考訳（メタデータ） (2020-06-10T16:51:53Z)

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。