論文の概要: Pseudo Supervised Monocular Depth Estimation with Teacher-Student Network

• arxiv url: http://arxiv.org/abs/2110.11545v1
• Date: Fri, 22 Oct 2021 01:08:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 02:21:16.009720
• Title: Pseudo Supervised Monocular Depth Estimation with Teacher-Student Network
• Title（参考訳）: 教師学習ネットワークを用いた擬似単眼深度推定
• Authors: Huan Liu, Junsong Yuan, Chen Wang, Jun Chen
• Abstract要約: 疑似監視機構に基づく新しい教師なし深度推定手法を提案する。 これは、教師なしおよび教師なしの単分子深度推定の利点を戦略的に統合する。 実験の結果,提案手法はKITTIベンチマークの最先端性よりも優れていた。
• 参考スコア（独自算出の注目度）: 90.20878165546361
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite recent improvement of supervised monocular depth estimation, the lack of high quality pixel-wise ground truth annotations has become a major hurdle for further progress. In this work, we propose a new unsupervised depth estimation method based on pseudo supervision mechanism by training a teacher-student network with knowledge distillation. It strategically integrates the advantages of supervised and unsupervised monocular depth estimation, as well as unsupervised binocular depth estimation. Specifically, the teacher network takes advantage of the effectiveness of binocular depth estimation to produce accurate disparity maps, which are then used as the pseudo ground truth to train the student network for monocular depth estimation. This effectively converts the problem of unsupervised learning to supervised learning. Our extensive experimental results demonstrate that the proposed method outperforms the state-of-the-art on the KITTI benchmark.
• Abstract（参考訳）: 近年, 教師付き単眼深度推定法が改良されているにもかかわらず, 高品質な画素単位の基底真理アノテーションの欠如は, さらなる進歩の大きなハードルとなっている。 本研究では,知識蒸留による教師学生ネットワークの学習による疑似監視機構に基づく教師なし深度推定手法を提案する。 これは、教師なしおよび教師なしの単眼深度推定の利点と、教師なしの両眼深度推定の利点を戦略的に統合する。 具体的には,教師ネットワークが両眼深度推定の有効性を生かして正確な不一致マップを作成し,これを疑似基底真理として学習し,単眼深度推定を行う。 これにより、教師なし学習の問題を教師なし学習に効果的に変換する。 提案手法は,KITTIベンチマークの最先端性能より優れていることを示す。

関連論文リスト

• Sparse Depth-Guided Attention for Accurate Depth Completion: A Stereo-Assisted Monitored Distillation Approach [7.902840502973506]
  本研究では,教師モデルとしてステレオモデルを導入し,学生モデルの深度補修精度を向上させる。 自己教師型情報提供には,多視点奥行きの整合性やマルチスケールの最小再計画も活用する。
  論文  参考訳（メタデータ） (2023-03-28T09:23:19Z)
• Learning Occlusion-Aware Coarse-to-Fine Depth Map for Self-supervised Monocular Depth Estimation [11.929584800629673]
  自己教師付き単眼深度推定のためのOcclusion-aware Coarse-to-Fine Depth Mapを学習するための新しいネットワークを提案する。 提案したOCFD-Netは,粗度深度マップの学習に離散深度制約を用いるだけでなく,シーン深度残差の学習にも連続深度制約を用いる。
  論文  参考訳（メタデータ） (2022-03-21T12:43:42Z)
• SelfTune: Metrically Scaled Monocular Depth Estimation through Self-Supervised Learning [53.78813049373321]
  本稿では,事前学習した教師付き単分子深度ネットワークに対する自己教師付き学習手法を提案する。 本手法は移動ロボットナビゲーションなどの様々な応用に有用であり,多様な環境に適用可能である。
  論文  参考訳（メタデータ） (2022-03-10T12:28:42Z)
• X-Distill: Improving Self-Supervised Monocular Depth via Cross-Task Distillation [69.9604394044652]
  そこで本研究では,クロスタスク知識蒸留による単眼深度の自己指導的訓練を改善する手法を提案する。 トレーニングでは,事前訓練されたセマンティックセグメンテーション教師ネットワークを使用し,そのセマンティック知識を深度ネットワークに転送する。 提案手法の有効性をKITTIベンチマークで評価し,最新技術と比較した。
  論文  参考訳（メタデータ） (2021-10-24T19:47:14Z)
• Weakly-Supervised Monocular Depth Estimationwith Resolution-Mismatched Data [73.9872931307401]
  単眼深度推定ネットワークをトレーニングするための弱教師付きフレームワークを提案する。 提案フレームワークは, 共有重量単分子深度推定ネットワークと蒸留用深度再構成ネットワークから構成される。 実験結果から,本手法は教師なし・半教師付き学習ベース方式よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2021-09-23T18:04:12Z)
• Unsupervised Scale-consistent Depth Learning from Video [131.3074342883371]
  本研究では,単眼深度推定器SC-Depthを提案する。 スケール一貫性予測の能力により,我々の単分子学習深層ネットワークは簡単にORB-SLAM2システムに統合可能であることを示す。 提案したハイブリッドPseudo-RGBD SLAMは、KITTIにおいて魅力的な結果を示し、追加のトレーニングなしでKAISTデータセットにうまく一般化する。
  論文  参考訳（メタデータ） (2021-05-25T02:17:56Z)
• Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
  本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。 擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。 実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-09-27T13:26:16Z)
• Monocular Depth Estimation Based On Deep Learning: An Overview [16.2543991384566]
  単一の画像から深度情報(眼深度推定)を推定することは不適切な問題である。 ディープラーニングは最近広く研究され、精度で有望なパフォーマンスを達成した。 深度推定の精度を向上させるために,様々な種類のネットワークフレームワーク,損失関数,トレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-03-14T12:35:34Z)
• FIS-Nets: Full-image Supervised Networks for Monocular Depth Estimation [14.454378082294852]
  画像の整合性を利用する教師なしのフレームワークと、深い深度補完を行う教師なしのフレームワークを組み合わせた半教師付きアーキテクチャを提案する。 評価において,提案手法は深度推定における他の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） (2020-01-19T06:04:26Z)

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。