論文の概要: Lidar Line Selection with Spatially-Aware Shapley Value for
Cost-Efficient Depth Completion
- arxiv url: http://arxiv.org/abs/2303.11720v1
- Date: Tue, 21 Mar 2023 10:14:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-22 15:43:55.854173
- Title: Lidar Line Selection with Spatially-Aware Shapley Value for
Cost-Efficient Depth Completion
- Title（参考訳）: コスト効率の良い深度補完のための空間的共有値を用いたライダーライン選択
- Authors: Kamil Adamczewski, Christos Sakaridis, Vaishakh Patil, Luc Van Gool
- Abstract要約: ライダーはシーンの深さを推定するための重要なセンサーである。
我々はライダーラインの位置を最適化する新しい問題を提案する。
そこで本稿では,深度補修の高精度さを維持しつつ,線数を削減する手法を提案する。
- 参考スコア（独自算出の注目度）: 76.58184022651596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lidar is a vital sensor for estimating the depth of a scene. Typical spinning
lidars emit pulses arranged in several horizontal lines and the monetary cost
of the sensor increases with the number of these lines. In this work, we
present the new problem of optimizing the positioning of lidar lines to find
the most effective configuration for the depth completion task. We propose a
solution to reduce the number of lines while retaining the up-to-the-mark
quality of depth completion. Our method consists of two components, (1) line
selection based on the marginal contribution of a line computed via the Shapley
value and (2) incorporating line position spread to take into account its need
to arrive at image-wide depth completion. Spatially-aware Shapley values (SaS)
succeed in selecting line subsets that yield a depth accuracy comparable to the
full lidar input while using just half of the lines.
- Abstract（参考訳）: lidarはシーンの深さを推定するための重要なセンサーである。
典型的な回転ライダーはパルスを複数の水平線に配置し、センサーの金銭的コストはこれらの線数に応じて増加する。
そこで本研究では,lidarラインの位置決めを最適化し,奥行き完了タスクにおいて最も効果的な配置を求める新しい問題を提案する。
そこで本稿では,深度補修の高精度さを維持しつつ,線数を削減する手法を提案する。
本手法は,(1)Shapley値を用いて計算されたラインの限界寄与に基づくライン選択と,(2)画像全体の深度完了に到達する必要性を考慮に入れたライン位置を組み込んだ2つのコンポーネントから構成される。
空間的に認識されたShapley値 (SaS) は、全ライダー入力に匹敵する深さ精度のラインサブセットを選択することに成功した。
関連論文リスト
- Masked Spatial Propagation Network for Sparsity-Adaptive Depth Refinement [20.15455320132972]
奥行き完了に関する既存の研究は、ポイント数やLiDARラインの間隔がトレーニングやテストのために固定されていると仮定している。
スパース深度を用いた単分子深度推定を洗練するスペーサ適応深度補正フレームワークを提案する。
本研究では,SDRの空間伝搬ネットワーク(MSPN)を提案する。
論文 参考訳（メタデータ） (2024-04-30T06:51:30Z) - IDLS: Inverse Depth Line based Visual-Inertial SLAM [9.38589798999922]
Inverse Depth Line SLAM (IDLS) を提案する。
IDLSは、複数の知覚的整合性データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-04-23T20:53:05Z) - DeepLSD: Line Segment Detection and Refinement with Deep Image Gradients [105.25109274550607]
ラインセグメントは、視覚タスクでますます使われています。
画像勾配に基づく従来の線検出器は非常に高速で精度が高いが、ノイズの多い画像や困難な条件では頑丈さに欠ける。
我々は、両方の世界を最大限に活用するために、伝統的なアプローチと学習されたアプローチを組み合わせることを提案する。
論文 参考訳（メタデータ） (2022-12-15T12:36:49Z) - LOF: Structure-Aware Line Tracking based on Optical Flow [8.856222186351445]
光フロー(LOF)に基づく構造認識ライントラッキングアルゴリズムを提案する。
提案するLOFは, ライントラッキング精度, 堅牢性, 効率において, 最先端性能より優れる。
論文 参考訳（メタデータ） (2021-09-17T11:09:11Z) - Edge-aware Bidirectional Diffusion for Dense Depth Estimation from Light
Fields [31.941861222005603]
本研究では,光場から深度エッジと勾配のスパースセットを用いて高速かつ正確な深度マップを推定するアルゴリズムを提案する。
提案手法は,テクスチャエッジよりも深度エッジの方が局所的制約に敏感であるという考え方に基づいている。
論文 参考訳（メタデータ） (2021-07-07T01:26:25Z) - Depth Completion using Plane-Residual Representation [84.63079529738924]
深度情報を最も近い深度平面ラベル$p$と残値$r$で解釈する新しい方法を紹介し,これをPlane-Residual (PR)表現と呼ぶ。
PR表現で深度情報を解釈し,それに対応する深度補完網を用いて,高速な計算により深度補完性能を向上させることができた。
論文 参考訳（メタデータ） (2021-04-15T10:17:53Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-04-07T19:27:17Z) - Direct Depth Learning Network for Stereo Matching [79.3665881702387]
ステレオマッチングのための新しいダイレクトディープス学習ネットワーク(DDL-Net)が設計されている。
DDL-Netは、粗度推定段階と適応勾配深度補正段階の2段階からなる。
我々は,DDL-NetがSceneFlowデータセットで25%,DrivingStereoデータセットで12%の平均的な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-12-10T10:33:57Z) - PlueckerNet: Learn to Register 3D Line Reconstructions [57.20244406275875]
本稿では,ユークリッド空間における2つの部分重畳された3次元線再構成の問題をニューラルネットワークで解く手法を提案する。
室内および屋外の両方のデータセットを用いた実験により,本手法の登録精度(回転と翻訳)は,ベースラインを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2020-12-02T11:31:56Z)
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。