論文の概要: Sparse LiDAR Assisted Self-supervised Stereo Disparity Estimation

• arxiv url: http://arxiv.org/abs/2112.15355v1
• Date: Fri, 31 Dec 2021 09:11:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-03 20:37:53.506362
• Title: Sparse LiDAR Assisted Self-supervised Stereo Disparity Estimation
• Title（参考訳）: スパースLiDARによる自己教師付きステレオ距離推定
• Authors: Xiaoming Zhao, Weihai Chen, Xingming Wu, Peter C. Y. Chen, Zhengguo Li
• Abstract要約: State-of-the-artメソッドは高価な4Dコストボリュームに基づいており、現実世界のアプリケーションでの使用を制限する。 本稿では,ゼロ状態からの差分を更新するネットワークの負担を軽減するため,リダ点を反復更新に導入する。 本稿では,ネットワークを自己教師型でトレーニングすることで,より優れた一般化能力を得るために,収集したデータに基づいてトレーニングを行うことを提案する。
• 参考スコア（独自算出の注目度）: 25.003074090758705
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Deep stereo matching has made significant progress in recent years. However, state-of-the-art methods are based on expensive 4D cost volume, which limits their use in real-world applications. To address this issue, 3D correlation maps and iterative disparity updates have been proposed. Regarding that in real-world platforms, such as self-driving cars and robots, the Lidar is usually installed. Thus we further introduce the sparse Lidar point into the iterative updates, which alleviates the burden of network updating the disparity from zero states. Furthermore, we propose training the network in a self-supervised way so that it can be trained on any captured data for better generalization ability. Experiments and comparisons show that the presented method is effective and achieves comparable results with related methods.
• Abstract（参考訳）: 近年、ディープステレオマッチングは大きな進歩を遂げている。 しかし、最先端の手法は高価な4Dコストボリュームに基づいており、現実世界のアプリケーションでの使用を制限する。 この問題に対処するため,3次元相関マップと反復的格差更新が提案されている。 自動運転車やロボットのような現実世界のプラットフォームでは、Lidarは通常インストールされる。 したがって,スパルスライダー点を反復更新に導入することで,ゼロ状態との差を更新するネットワークの負担を軽減することができる。 さらに,ネットワークを自己教師付きでトレーニングし,任意のキャプチャデータでトレーニングすることで一般化能力を向上させることを提案する。 実験と比較の結果,提案手法は有効であり,関連する手法と同等の結果が得られた。

関連論文リスト

• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Improving Online Lane Graph Extraction by Object-Lane Clustering [106.71926896061686]
  本稿では,局所レーングラフの推定精度を向上させるために,アーキテクチャと損失の定式化を提案する。 提案手法は,中心線をクラスタ中心とすることで,対象を中心線に割り当てることを学ぶ。 提案手法は既存の3次元オブジェクト検出手法の出力を用いて,大幅な性能向上を実現することができることを示す。
  論文  参考訳（メタデータ） (2023-07-20T15:21:28Z)
• DC3DCD: unsupervised learning for multiclass 3D point cloud change detection [0.0]
  本稿では,DC3DCD(Deep 3D Change Detection)と呼ばれる教師なしの手法を提案する。 本手法は,画像分類のためのDeepClusterアプローチに基づいて,複雑な生の3DPCを扱う。
  論文  参考訳（メタデータ） (2023-05-09T13:13:53Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• RADU: Ray-Aligned Depth Update Convolutions for ToF Data Denoising [8.142947808507369]
  マルチパス干渉(MPI)による高レベルのノイズ・歪みを受ける飛行時間(ToF)カメラ 本稿では,3次元点の畳み込みにより視点方向に沿った点の位置を補正し,2.5次元データから学習するように設計した,3次元空間で動作する反復的 denoising アプローチを提案する。 本稿では,2つの実世界データセットと大規模合成データセットを含む,複数のデータセット上でSOTA法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-30T15:53:28Z)
• Bridging the Reality Gap for Pose Estimation Networks using Sensor-Based Domain Randomization [1.4290119665435117]
  合成データに基づいて訓練された手法は、2Dの領域ランダム化をより発展させるため、2D画像を使用する。 提案手法では,3次元データをネットワークに統合し,ポーズ推定の精度を高める。 3つの大規模ポーズ推定ベンチマーク実験により, 提案手法は, 合成データを用いた従来手法よりも優れていたことがわかった。
  論文  参考訳（メタデータ） (2020-11-17T09:12:11Z)
• Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
  ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。 本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。 その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-04T08:59:17Z)

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。