論文の概要: Outdoor Monocular Depth Estimation: A Research Review
- arxiv url: http://arxiv.org/abs/2205.01399v1
- Date: Tue, 3 May 2022 10:10:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-04 21:11:52.901480
- Title: Outdoor Monocular Depth Estimation: A Research Review
- Title(参考訳): 屋外単分子深度推定:研究レビュー
- Authors: Pulkit Vyas, Chirag Saxena, Anwesh Badapanda, Anurag Goswami
- Abstract要約: 本稿では, 利用可能なデータセット, 深度推定方法, 研究成果, トレンド, 課題, およびオープンリサーチに必要な機会について概説する。
我々の知る限り、公開調査では、屋外深度推定技術と研究範囲の総合的な収集は行われていない。
- 参考スコア(独自算出の注目度): 0.8749675983608171
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Depth estimation is an important task, applied in various methods and
applications of computer vision. While the traditional methods of estimating
depth are based on depth cues and require specific equipment such as stereo
cameras and configuring input according to the approach being used, the focus
at the current time is on a single source, or monocular, depth estimation. The
recent developments in Convolution Neural Networks along with the integration
of classical methods in these deep learning approaches have led to a lot of
advancements in the depth estimation problem. The problem of outdoor depth
estimation, or depth estimation in wild, is a very scarcely researched field of
study. In this paper, we give an overview of the available datasets, depth
estimation methods, research work, trends, challenges, and opportunities that
exist for open research. To our knowledge, no openly available survey work
provides a comprehensive collection of outdoor depth estimation techniques and
research scope, making our work an essential contribution for people looking to
enter this field of study.
- Abstract(参考訳): 奥行き推定はコンピュータビジョンの様々な方法や応用に適用される重要なタスクである。
従来の深さ推定手法は深さの手がかりに基づいており、ステレオカメラのような特定の機器や、使用方法に応じて入力を設定する必要があるが、現在の焦点は単一のソース、すなわち単眼的な深度推定である。
畳み込みニューラルネットワークの最近の発展と、これらのディープラーニングアプローチにおける古典的手法の統合は、深さ推定問題において多くの進歩をもたらした。
野外での深さ推定や野生の深さ推定の問題は、非常に研究対象の少ない分野である。
本稿では, 利用可能なデータセット, 深度推定方法, 研究成果, トレンド, 課題, およびオープンリサーチに必要な機会について概説する。
我々の知る限り、オープンに利用可能な調査作業は、屋外深度推定技術と研究範囲の包括的な収集を提供しておらず、この分野への参入を目指す人々にとって本研究は不可欠な貢献となる。
関連論文リスト
- Towards Domain-agnostic Depth Completion [96.67020906681175]
既存の深度補完法は、しばしば特定のスパース深度型を目標とし、タスク領域間での一般化が不十分である。
各種センサで得られたスパース/セミデンス,ノイズ,および低分解能深度マップを完備する手法を提案する。
本手法は,最先端の深度補完法に対して優れたクロスドメイン一般化能力を示す。
論文 参考訳(メタデータ) (2022-07-29T04:10:22Z) - 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) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳(メタデータ) (2021-07-05T16:32:45Z) - Single Image Depth Estimation: An Overview [0.0]
単一の画像深度推定問題に焦点をあてる。
その性質上、単一の画像深度推定問題は機械学習手法により最善に解決される。
論文 参考訳(メタデータ) (2021-04-13T18:58:37Z) - Deep Learning for Road Traffic Forecasting: Does it Make a Difference? [6.220008946076208]
本稿では,このITS研究領域におけるDeep Learningの活用に言及した技術の現状を批判的に分析することに焦点を当てる。
後続の批判分析は、交通予測のためのディープラーニングの問題について、質問を定式化し、必要な議論を引き起こす。
論文 参考訳(メタデータ) (2020-12-02T15:56:11Z) - A Survey on Deep Learning Techniques for Video Anomaly Detection [0.0]
本稿では,ディープラーニングを用いた異常検出の分野における最近の進歩について概観する。
ディープラーニングは、コンピュータビジョンや自然言語処理など、人工知能の多くの分野で成功している。
論文 参考訳(メタデータ) (2020-09-29T16:40:46Z) - A Survey on Deep Learning Techniques for Stereo-based Depth Estimation [30.330599857204344]
RGB画像から深度を推定することは、長年続く不適切な問題である。
ステレオベースの深度推定のためのディープラーニングは、コミュニティから関心を集めている。
この新世代の手法は、性能の大きな飛躍を見せている。
論文 参考訳(メタデータ) (2020-06-01T13:09:46Z) - On the uncertainty of self-supervised monocular depth estimation [52.13311094743952]
単眼深度推定のための自己監督的パラダイムは、基礎的な真理アノテーションを全く必要としないため、非常に魅力的である。
我々は,このタスクの不確かさを推定する方法と,これが深さ精度にどのように影響するかを初めて検討する。
自己教師型アプローチに特化して設計された,斬新な手法を提案する。
論文 参考訳(メタデータ) (2020-05-13T09:00:55Z) - 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) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳(メタデータ) (2020-01-21T09:55:59Z) - Single Image Depth Estimation Trained via Depth from Defocus Cues [105.67073923825842]
単一のRGB画像から深度を推定することはコンピュータビジョンの基本的な課題である。
この作業では、異なる視点ではなく、フォーカスキューからの奥行きに依存しています。
我々は,KITTIとMake3Dデータセットの教師あり手法と同等な結果を提示し,教師なし学習手法より優れていることを示す。
論文 参考訳(メタデータ) (2020-01-14T20:22:54Z)
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。