Fugu-MT 論文翻訳(概要): Adversarial Self-Supervised Scene Flow Estimation

論文の概要: Adversarial Self-Supervised Scene Flow Estimation

arxiv url: http://arxiv.org/abs/2011.00551v1
Date: Sun, 1 Nov 2020 16:37:37 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 22:53:13.650455
Title: Adversarial Self-Supervised Scene Flow Estimation
Title（参考訳）: 逆向き自己監督型シーンフロー推定
Authors: Victor Zuanazzi, Joris van Vugt, Olaf Booij and Pascal Mettes
Abstract要約: 本研究では,自己監督型シーンフロー推定のためのメトリクス学習手法を提案する。自己監督型シーンフロー推定のためのベンチマークであるScene Flow Sandboxについて概説する。
参考スコア（独自算出の注目度）: 15.278302535191866
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: This work proposes a metric learning approach for self-supervised scene flow estimation. Scene flow estimation is the task of estimating 3D flow vectors for consecutive 3D point clouds. Such flow vectors are fruitful, \eg for recognizing actions, or avoiding collisions. Training a neural network via supervised learning for scene flow is impractical, as this requires manual annotations for each 3D point at each new timestamp for each scene. To that end, we seek for a self-supervised approach, where a network learns a latent metric to distinguish between points translated by flow estimations and the target point cloud. Our adversarial metric learning includes a multi-scale triplet loss on sequences of two-point clouds as well as a cycle consistency loss. Furthermore, we outline a benchmark for self-supervised scene flow estimation: the Scene Flow Sandbox. The benchmark consists of five datasets designed to study individual aspects of flow estimation in progressive order of complexity, from a moving object to real-world scenes. Experimental evaluation on the benchmark shows that our approach obtains state-of-the-art self-supervised scene flow results, outperforming recent neighbor-based approaches. We use our proposed benchmark to expose shortcomings and draw insights on various training setups. We find that our setup captures motion coherence and preserves local geometries. Dealing with occlusions, on the other hand, is still an open challenge.
Abstract（参考訳）: 本研究では,自己監督型シーンフロー推定のためのメトリクス学習手法を提案する。シーンフロー推定は連続する3次元点雲の3次元フローベクトルを推定するタスクである。このような流れベクトルは実りがあり、行動を認識するか衝突を避ける。シーンフローの教師付き学習によるニューラルネットワークのトレーニングは、各シーンの新たなタイムスタンプの3dポイント毎に手動アノテーションを必要とするため、現実的ではない。そこで我々は,フロー推定によって翻訳された点と対象点雲を区別するために,ネットワークが潜在距離を学習する自己教師型アプローチを提案する。我々の対向距離学習は、2点雲の列上のマルチスケール三重項損失とサイクル整合損失を含む。さらに,自己監督型シーンフロー推定のためのベンチマークであるScene Flow Sandboxについて概説する。このベンチマークは、移動物体から現実のシーンまで、複雑な進行順にフロー推定の個々の側面を研究するために設計された5つのデータセットで構成されている。評価実験により, 提案手法は, 近年の隣接手法よりも優れ, 最先端の自己監督型シーンフローが得られることが示された。提案するベンチマークを使用して,問題点を明らかにし,さまざまなトレーニング設定についての洞察を得る。我々の設定は、動きコヒーレンスを捕捉し、局所的なジオメトリを保存する。一方、オクルージョンで対処することは、まだオープンな課題である。

関連論文リスト

PointFlowHop: Green and Interpretable Scene Flow Estimation from Consecutive Point Clouds [49.7285297470392]
本研究では,PointFlowHopと呼ばれる3次元シーンフローの効率的な推定法を提案する。ポイントフローホップは2つの連続する点雲を取り、第1点雲の各点の3次元フローベクトルを決定する。シーンフロー推定タスクを,エゴモーション補償,オブジェクトアソシエーション,オブジェクトワイドモーション推定など,一連のサブタスクに分解する。
論文参考訳（メタデータ） (2023-02-27T23:06:01Z)
SCOOP: Self-Supervised Correspondence and Optimization-Based Scene Flow [25.577386156273256]
シーンフロー推定は、連続した観察からシーンの3次元運動を見つけることを目的として、コンピュータビジョンにおける長年の課題である。そこで本研究では,少量のデータから学習可能なシーンフロー推定手法であるSCOOPについて紹介する。
論文参考訳（メタデータ） (2022-11-25T10:52:02Z)
Learning Scene Flow in 3D Point Clouds with Noisy Pseudo Labels [71.11151016581806]
そこで本研究では,3次元の3次元動きを点雲からキャプチャするシーンフロー手法を提案する。提案手法は,最先端の自己教師型アプローチより優れるだけでなく,正確な接地構造を用いた教師型アプローチよりも優れる。
論文参考訳（メタデータ） (2022-03-23T18:20:03Z)
Residual 3D Scene Flow Learning with Context-Aware Feature Extraction [11.394559627312743]
ユークリッド空間の文脈構造情報を活用するために,新しいコンテキスト対応集合 conv 層を提案する。また, 遠距離移動に対処するため, 残留流微細化層に明示的な残留流学習構造を提案する。提案手法は, これまでのすべての成果を, 少なくとも25%以上の知識に上回りながら, 最先端の性能を達成する。
論文参考訳（メタデータ） (2021-09-10T06:15:18Z)
Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds with Optimal Transport and Random Walk [59.87525177207915]
シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。本手法は,自己教師付き学習手法の最先端性能を実現する。
論文参考訳（メタデータ） (2021-05-18T03:12:42Z)
SCTN: Sparse Convolution-Transformer Network for Scene Flow Estimation [71.2856098776959]
点雲は非秩序であり、その密度は著しく一様ではないため、点雲の3次元運動の推定は困難である。本稿では,sparse convolution-transformer network (sctn) という新しいアーキテクチャを提案する。学習した関係に基づく文脈情報が豊富で,対応点の一致に役立ち,シーンフローの推定に有効であることを示す。
論文参考訳（メタデータ） (2021-05-10T15:16:14Z)
Occlusion Guided Self-supervised Scene Flow Estimation on 3D Point Clouds [4.518012967046983]
2つの連続時間フレーム間のスパースサンプリング点の3次元空間における流れを理解することは、現代の幾何学駆動系の中核石である。本稿では,咬合下の3次元シーンフロー推定のための新しい自己教師あり学習法とアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-04-10T09:55:19Z)
Weakly Supervised Learning of Rigid 3D Scene Flow [81.37165332656612]
本研究では,剛体体として動くエージェント群によって説明できる3次元シーンを多用したデータ駆動シーンフロー推定アルゴリズムを提案する。 4種類の自律運転データセットにおいて,提案手法の有効性と一般化能力を示す。
論文参考訳（メタデータ） (2021-02-17T18:58:02Z)
Do not trust the neighbors! Adversarial Metric Learning for Self-Supervised Scene Flow Estimation [0.0]
シーンフローは動的3次元シーンの個々の点に3次元運動ベクトルを推定するタスクである。本稿では,3次元シーンフローベンチマークと,トレーニングフローモデルのための新しい自己教師型セットアップを提案する。我々は,移動コヒーレンスを保ち,多くの自監督ベースラインが把握できない局所的なジオメトリーを維持できることを発見した。
論文参考訳（メタデータ） (2020-11-01T17:41:32Z)
Hierarchical Attention Learning of Scene Flow in 3D Point Clouds [28.59260783047209]
本稿では,2つの連続する3次元点雲からのシーンフロー推定の問題について検討する。隣接フレームにおける点特徴の相関を学習するために, 二重注意を有する新しい階層型ニューラルネットワークを提案する。実験の結果,提案したネットワークは3次元シーンフロー推定の最先端性能より優れていた。
論文参考訳（メタデータ） (2020-10-12T14:56:08Z)
Self-Supervised Learning of Non-Rigid Residual Flow and Ego-Motion [63.18340058854517]
動的3次元シーンに対する非剛性残留流とエゴ運動流の連成推定によるエンドツーエンドのシーンフロー学習法を提案する。我々は、点クラウドシーケンスの時間的一貫性性に基づいて、自己監督的な信号で教師付きフレームワークを拡張した。
論文参考訳（メタデータ） (2020-09-22T11:39:19Z)

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。