論文の概要: AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach
- arxiv url: http://arxiv.org/abs/2112.04974v1
- Date: Thu, 9 Dec 2021 15:10:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 14:56:41.695797
- Title: AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach
- Title（参考訳）: AdaStereo: 効率的なドメイン適応ステレオマッチングアプローチ
- Authors: Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Yuexin Ma, Zhe Wang,
Jianping Shi
- Abstract要約: 本稿では,AdaStereoというドメイン適応型アプローチを提案する。
我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。
提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
- 参考スコア（独自算出の注目度）: 50.855679274530615
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, records on stereo matching benchmarks are constantly broken by
end-to-end disparity networks. However, the domain adaptation ability of these
deep models is quite limited. Addressing such problem, we present a novel
domain-adaptive approach called AdaStereo that aims to align multi-level
representations for deep stereo matching networks. Compared to previous
methods, our AdaStereo realizes a more standard, complete and effective domain
adaptation pipeline. Firstly, we propose a non-adversarial progressive color
transfer algorithm for input image-level alignment. Secondly, we design an
efficient parameter-free cost normalization layer for internal feature-level
alignment. Lastly, a highly related auxiliary task, self-supervised
occlusion-aware reconstruction is presented to narrow the gaps in output space.
We perform intensive ablation studies and break-down comparisons to validate
the effectiveness of each proposed module. With no extra inference overhead and
only a slight increase in training complexity, our AdaStereo models achieve
state-of-the-art cross-domain performance on multiple benchmarks, including
KITTI, Middlebury, ETH3D and DrivingStereo, even outperforming some
state-of-the-art disparity networks finetuned with target-domain ground-truths.
Moreover, based on two additional evaluation metrics, the superiority of our
domain-adaptive stereo matching pipeline is further uncovered from more
perspectives. Finally, we demonstrate that our method is robust to various
domain adaptation settings, and can be easily integrated into quick adaptation
application scenarios and real-world deployments.
- Abstract（参考訳）: 近年、ステレオマッチングベンチマークのレコードは、エンドツーエンドの格差ネットワークによって常に壊れている。
しかし、これらの深層モデルのドメイン適応能力は非常に限られている。
このような問題に対処するために,我々は,深層ステレオマッチングネットワークにおけるマルチレベル表現の整合を目的とした,adastereoと呼ばれる新しいドメイン適応アプローチを提案する。
従来の方法と比較して、AdaStereoはより標準的で完全で効果的なドメイン適応パイプラインを実現しています。
まず,入力画像レベルアライメントのための非逆プログレッシブカラー転送アルゴリズムを提案する。
第二に、内部特徴量アライメントのための効率的なパラメータフリーコスト正規化層を設計する。
最後に, 出力空間の隙間を狭めるために, 高度に関連する補助課題である自己教師付き咬合認識再構成を提案する。
提案するモジュールの有効性を検証するため,集中的アブレーション研究とブレークダウン比較を行った。
私たちのAdaStereoモデルは、追加の推論オーバーヘッドがなく、トレーニングの複雑さがわずかに増加するだけで、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメインパフォーマンスを実現しています。
さらに、さらに2つの評価基準に基づき、ドメイン適応型ステレオマッチングパイプラインの優位性がさらに多くの観点から明らかにされる。
最後に,本手法は様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に統合可能であることを示す。
関連論文リスト
- SR-Stereo & DAPE: Stepwise Regression and Pre-trained Edges for Practical Stereo Matching [2.8908326904081334]
ドメインの相違を克服する新しい段階的回帰アーキテクチャを提案する。
疎基底真理で新しいドメインを適応するモデルのエッジ認識を高めるために,事前学習エッジ(DAPE)に基づくドメイン適応を提案する。
提案したSR-StereoとDAPEは,SceneFlow,KITTI,Middbury 2014,ETH3Dで広く評価されている。
論文 参考訳（メタデータ） (2024-06-11T05:25:25Z) - Multi-scale Alternated Attention Transformer for Generalized Stereo
Matching [7.493797166406228]
両視野および単一視野におけるエピポーラ線の影響のバランスをとるために,Alternated Attention U-shaped Transformer (AAUformer) と呼ばれる簡易かつ高効率なネットワークを提案する。
他のモデルと比較して、我々のモデルはいくつかの主要な設計を持っている。
我々はいくつかの主流ステレオマッチングデータセットについて比較研究とアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-08-06T08:22:39Z) - Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo
Matching [77.133400999703]
相関に基づくステレオマッチングは優れた性能を達成した。
固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。
本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
論文 参考訳（メタデータ） (2023-07-26T09:47:37Z) - PointFix: Learning to Fix Domain Bias for Robust Online Stereo
Adaptation [67.41325356479229]
本稿では,PointFixと呼ばれるメタラーニングフレームワークに補助的なポイント選択型ネットワークを導入することを提案する。
簡単に言えば、我々の補助的ネットワークは、メタグラディエントを通じて局所情報を効果的にバックプロパゲートすることで、局所的変異を集中的に修正することを学ぶ。
このネットワークはモデルに依存しないため、プラグイン・アンド・プレイ方式であらゆる種類のアーキテクチャで使用することができる。
論文 参考訳（メタデータ） (2022-07-27T07:48:29Z) - Dynamic Feature Alignment for Semi-supervised Domain Adaptation [23.67093835143]
本稿では,動的特徴アライメントを用いてドメイン間差とドメイン内差に対処することを提案する。
我々のアプローチは、広範囲なチューニングや逆行訓練を必要としないが、半教師付きドメイン適応のための技術の現状を著しく改善する。
論文 参考訳（メタデータ） (2021-10-18T22:26:27Z) - Seeking Similarities over Differences: Similarity-based Domain Alignment
for Adaptive Object Detection [86.98573522894961]
本研究では,Unsupervised Domain Adaptation (UDA) アルゴリズムが検出に使用するコンポーネントを一般化するフレームワークを提案する。
具体的には、最適な設計選択を生かした新しいUDAアルゴリズムViSGAを提案し、インスタンスレベルの特徴を集約する単純だが効果的な方法を提案する。
類似性に基づくグループ化と対角トレーニングの両方により、モデルでは、ゆるやかに整列されたドメインにまたがるすべてのインスタンスにマッチせざるを得ず、機能グループを粗い整列することに集中することが可能であることが示されています。
論文 参考訳（メタデータ） (2021-10-04T13:09:56Z) - Continual Adaptation for Deep Stereo [52.181067640300014]
本稿では,難易度と変化の激しい環境に対処するために,深層ステレオネットワークの継続的適応パラダイムを提案する。
我々のパラダイムでは、オンラインモデルに継続的に適応するために必要な学習信号は、右から左への画像ワープや従来のステレオアルゴリズムによって自己監督から得られる。
我々のネットワークアーキテクチャと適応アルゴリズムは、初めてのリアルタイム自己適応型ディープステレオシステムを実現する。
論文 参考訳（メタデータ） (2020-07-10T08:15:58Z) - AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching [50.06646151004375]
AdaStereoと呼ばれる新しいドメイン適応パイプラインは、ディープステレオマッチングネットワークにマルチレベル表現をアライメントすることを目的としている。
我々のAdaStereoモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のステレオベンチマークで最先端のクロスドメインパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-04-09T16:15:13Z)
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。