論文の概要: Augmenting Depth Estimation with Geospatial Context

• arxiv url: http://arxiv.org/abs/2109.09879v1
• Date: Mon, 20 Sep 2021 23:24:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-22 14:21:09.677309
• Title: Augmenting Depth Estimation with Geospatial Context
• Title（参考訳）: 地理空間文脈による深度推定の強化
• Authors: Scott Workman, Hunter Blanton
• Abstract要約: 深度推定のためのエンドツーエンドアーキテクチャを提案する。 我々は、共同位置のオーバーヘッド画像から合成地上深度マップを推定し、エンコーダ/デコーダスタイルのセグメンテーションネットワーク内に融合する。 その結果,地空間コンテキストの統合は,ベースラインに比べて誤差を著しく低減することがわかった。
• 参考スコア（独自算出の注目度）: 20.79700110152325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern cameras are equipped with a wide array of sensors that enable recording the geospatial context of an image. Taking advantage of this, we explore depth estimation under the assumption that the camera is geocalibrated, a problem we refer to as geo-enabled depth estimation. Our key insight is that if capture location is known, the corresponding overhead viewpoint offers a valuable resource for understanding the scale of the scene. We propose an end-to-end architecture for depth estimation that uses geospatial context to infer a synthetic ground-level depth map from a co-located overhead image, then fuses it inside of an encoder/decoder style segmentation network. To support evaluation of our methods, we extend a recently released dataset with overhead imagery and corresponding height maps. Results demonstrate that integrating geospatial context significantly reduces error compared to baselines, both at close ranges and when evaluating at much larger distances than existing benchmarks consider.
• Abstract（参考訳）: 現代のカメラは広い範囲のセンサーを備えており、画像の地理空間的コンテキストを記録できる。 この利点を生かして,カメラがジオキャリケートされているという前提下での深度推定について検討する。 我々の重要な洞察は、撮影位置が分かっていれば、対応するオーバーヘッド視点は、シーンの規模を理解するための貴重なリソースとなることである。 本研究では,測地空間的コンテキストを用いて,同一位置の頭上画像から合成された地中深度マップを推定し,エンコーダ/デコーダ方式のセグメンテーションネットワーク内で融合する,深度推定のためのエンド・ツー・エンドアーキテクチャを提案する。 提案手法の評価支援のために,最近リリースされたデータ集合を,頭上画像と対応する高さマップで拡張した。 その結果、地理空間コンテキストの統合は、既存のベンチマークが考えるよりもはるかに大きな距離で評価した場合、ベースラインよりも誤差を著しく低減することが示された。

関連論文リスト

• ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation [62.600382533322325]
  本研究では,新しい単分子深度推定法であるScaleDepthを提案する。 提案手法は,距離深度をシーンスケールと相対深度に分解し,セマンティック・アウェア・スケール予測モジュールを用いて予測する。 本手法は,室内と屋外の両方のシーンを統一した枠組みで距離推定する。
  論文  参考訳（メタデータ） (2024-07-11T05:11:56Z)
• Temporal Lidar Depth Completion [0.08192907805418582]
  PENetは, 再発の恩恵を受けるために, 最新の手法であるPENetをどう修正するかを示す。 提案アルゴリズムは,KITTI深度補完データセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-06-17T08:25:31Z)
• Depth-aware Volume Attention for Texture-less Stereo Matching [67.46404479356896]
  実用的な屋外シナリオにおけるテクスチャ劣化に対処する軽量なボリューム改善手法を提案する。 画像テクスチャの相対的階層を抽出し,地中深度マップによって教師される深度体積を導入する。 局所的な微細構造と文脈は、体積凝集時のあいまいさと冗長性を緩和するために強調される。
  論文  参考訳（メタデータ） (2024-02-14T04:07:44Z)
• GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
  世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。 既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。 画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
  論文  参考訳（メタデータ） (2023-09-27T20:54:56Z)
• Self-Supervised Learning based Depth Estimation from Monocular Images [0.0]
  単色深度推定の目標は、入力として2次元単色RGB画像が与えられた深度マップを予測することである。 我々は、トレーニング中に固有のカメラパラメータを実行し、我々のモデルをさらに一般化するために天気増悪を適用することを計画している。
  論文  参考訳（メタデータ） (2023-04-14T07:14:08Z)
• ${S}^{2}$Net: Accurate Panorama Depth Estimation on Spherical Surface [4.649656275858966]
  単球面上の単分子パノラマ深度推定のためのエンドツーエンドのディープネットワークを提案する。 具体的には、等方形画像から抽出した特徴写像を一様分散格子でサンプリングした単位球面に投影する。 本研究では,機能マップをスキップ接続から解き放ち,グローバルコンテキストの獲得能力を高めるために,グローバルなクロスアテンションベースの融合モジュールを提案する。
  論文  参考訳（メタデータ） (2023-01-14T07:39:15Z)
• Multi-Camera Collaborative Depth Prediction via Consistent Structure Estimation [75.99435808648784]
  本稿では,新しいマルチカメラ協調深度予測法を提案する。 カメラ間の構造的整合性を維持しながら、大きな重なり合う領域を必要としない。 DDADおよびNuScenesデータセットの実験結果から,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-05T03:44:34Z)
• Revisiting Near/Remote Sensing with Geospatial Attention [24.565068569913382]
  本研究は、地上レベルの補助画像が利用できる場合のオーバーヘッド画像分割の課題に対処する。 近年の研究では、近接・遠隔センシングと呼ばれる2つのモードで共同推論を行うことで、精度が大幅に向上することが示されている。 地平面画像中の画素と地理的位置との地理空間的関係を明確に考察する幾何学的注意機構である地理空間的注意の概念を導入する。
  論文  参考訳（メタデータ） (2022-04-04T19:19:50Z)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• Multi-Modal Depth Estimation Using Convolutional Neural Networks [0.8701566919381223]
  本論文では, 厳しい気象条件下での遠距離センサデータと単一カメラ画像からの深度予測について考察する。 ディープラーニングアプローチを適用して深度を推定するカメラ、レーダー、ライダーなど、さまざまなセンサーモダリティの重要性を探ります。
  論文  参考訳（メタデータ） (2020-12-17T15:31:49Z)
• Occlusion-Aware Depth Estimation with Adaptive Normal Constraints [85.44842683936471]
  カラービデオから多フレーム深度を推定する新しい学習手法を提案する。 本手法は深度推定精度において最先端の手法より優れる。
  論文  参考訳（メタデータ） (2020-04-02T07:10:45Z)

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。