論文の概要: PointFix: Learning to Fix Domain Bias for Robust Online Stereo Adaptation

• arxiv url: http://arxiv.org/abs/2207.13340v1
• Date: Wed, 27 Jul 2022 07:48:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-28 13:04:11.939965
• Title: PointFix: Learning to Fix Domain Bias for Robust Online Stereo Adaptation
• Title（参考訳）: PointFix:ロバストオンラインステレオ適応のためのドメインバイアスの修正を学ぶ
• Authors: Kwonyoung Kim, Jungin Park, Jiyoung Lee, Dongbo Min, Kwanghoon Sohn
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 67.41325356479229
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online stereo adaptation tackles the domain shift problem, caused by different environments between synthetic (training) and real (test) datasets, to promptly adapt stereo models in dynamic real-world applications such as autonomous driving. However, previous methods often fail to counteract particular regions related to dynamic objects with more severe environmental changes. To mitigate this issue, we propose to incorporate an auxiliary point-selective network into a meta-learning framework, called PointFix, to provide a robust initialization of stereo models for online stereo adaptation. In a nutshell, our auxiliary network learns to fix local variants intensively by effectively back-propagating local information through the meta-gradient for the robust initialization of the baseline model. This network is model-agnostic, so can be used in any kind of architectures in a plug-and-play manner. We conduct extensive experiments to verify the effectiveness of our method under three adaptation settings such as short-, mid-, and long-term sequences. Experimental results show that the proper initialization of the base stereo model by the auxiliary network enables our learning paradigm to achieve state-of-the-art performance at inference.
• Abstract（参考訳）: オンラインステレオ適応は、合成(トレーニング)と実(テスト)データセットの異なる環境によって引き起こされるドメインシフト問題に取り組み、自律運転のような動的実世界のアプリケーションにおいて、ステレオモデルを迅速に適応させる。 しかし、従来の手法では、より厳しい環境変化を伴う動的対象に関連する特定の領域に対処できないことが多い。 この問題を軽減するため,我々は,オンラインステレオ適応のためのステレオモデルの堅牢な初期化を提供するために,メタラーニングフレームワークであるpointfixに補助的ポイント選択ネットワークを組み込むことを提案する。 一言で言えば、我々の補助ネットワークは、ベースラインモデルの堅牢な初期化のためのメタ勾配を通じて、ローカル情報を効果的にバックプロパゲーションすることで、局所的な変異を集中的に修正することを学びます。 このネットワークはモデルに依存しないので、どんなアーキテクチャでもプラグイン・アンド・プレイ方式で使用できる。 提案手法の有効性を検証するために, 短期, 中期, 長期の3つの適応条件下で広範な実験を行った。 実験の結果, 補助ネットワークによるベースステレオモデルの適切な初期化により, 推論時の最先端性能を実現することができることがわかった。

関連論文リスト

• UniTT-Stereo: Unified Training of Transformer for Enhanced Stereo Matching [18.02254687807291]
  UniTT-StereoはTransformerベースのステレオアーキテクチャの可能性を最大化する手法である。 UniTT-Stereoの最先端性能は、ETH3D、KITTI 2012、KITTI 2015データセットなどの様々なベンチマークで検証されている。
  論文  参考訳（メタデータ） (2024-09-04T09:02:01Z)
• 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)
• Stereo Neural Vernier Caliper [57.187088191829886]
  学習に基づくステレオ3Dオブジェクト検出のための新しいオブジェクト中心フレームワークを提案する。 初期3次元立方体推定値から改良された更新を予測する方法の問題に対処する。 提案手法は,KITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-21T14:36:07Z)
• AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
  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。
  論文  参考訳（メタデータ） (2021-12-09T15:10:47Z)
• Learning to Adapt Multi-View Stereo by Self-Supervision [0.5156484100374059]
  複数視点からの3次元シーン再構成はコンピュータビジョンの重要な古典的問題である。 ディープラーニングに基づくアプローチは、最近、印象的な再構築結果を示している。 本稿では,新しい対象領域への適応性を向上させるために,深層ニューラルネットワークを訓練する多視点ステレオの適応学習手法を提案する。
  論文  参考訳（メタデータ） (2020-09-28T12:42:36Z)
• 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。