Fugu-MT 論文翻訳(概要): Pose Constraints for Consistent Self-supervised Monocular Depth and Ego-motion

論文の概要: Pose Constraints for Consistent Self-supervised Monocular Depth and Ego-motion

arxiv url: http://arxiv.org/abs/2304.08916v1
Date: Tue, 18 Apr 2023 11:43:17 GMT
ステータス: 処理完了
システム内更新日: 2023-04-19 14:58:32.026977
Title: Pose Constraints for Consistent Self-supervised Monocular Depth and Ego-motion
Title（参考訳）: 一貫性のある自己監督型単眼深度と自我運動に対する姿勢制約
Authors: Zeeshan Khan Suri (DENSO ADAS Engineering Services GmbH)
Abstract要約: 時間的不整合を最小化するために、時間的一貫性損失のセットが導入された。評価の結果,これらの制約の導入は深度不整合を低減させるだけでなく,深度とエゴモーション予測のベースライン性能を向上させることが示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Self-supervised monocular depth estimation approaches suffer not only from scale ambiguity but also infer temporally inconsistent depth maps w.r.t. scale. While disambiguating scale during training is not possible without some kind of ground truth supervision, having scale consistent depth predictions would make it possible to calculate scale once during inference as a post-processing step and use it over-time. With this as a goal, a set of temporal consistency losses that minimize pose inconsistencies over time are introduced. Evaluations show that introducing these constraints not only reduces depth inconsistencies but also improves the baseline performance of depth and ego-motion prediction.
Abstract（参考訳）: 自己教師付き単眼深度推定アプローチは、スケールの曖昧さだけでなく、時間的に一貫性のない深さマップw.r.t.スケールを推測する。トレーニング中のスケールを曖昧にすることは、何らかの基礎的真理の監督なしでは不可能であるが、スケール一貫性のある深さ予測を持つことで、推論中のスケールを後処理ステップとして計算し、残業で使用することが可能となる。これを目標として、時間的不整合を最小限に抑える一連の時間的整合性損失が導入された。評価の結果,これらの制約の導入は深度不整合を低減させるだけでなく,深度とエゴモーション予測のベースライン性能を向上させることが示された。

関連論文リスト

ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation [62.600382533322325]
本研究では,新しい単分子深度推定法であるScaleDepthを提案する。提案手法は,距離深度をシーンスケールと相対深度に分解し,セマンティック・アウェア・スケール予測モジュールを用いて予測する。本手法は,室内と屋外の両方のシーンを統一した枠組みで距離推定する。
論文参考訳（メタデータ） (2024-07-11T05:11:56Z)
Robust Monocular Localization of Drones by Adapting Domain Maps to Depth Prediction Inaccuracies [0.4523163728236143]
本稿では,深層学習に基づく深度予測とベイズフィルタリングに基づくポーズ推論を併用して,新しい単眼位置推定フレームワークを提案する。提案するクロスモーダル・フレームワークは,モデルスケーラビリティと環境変動に対する耐性に関して,ディープラーニングのみの予測を著しく上回っている。
論文参考訳（メタデータ） (2022-10-27T15:48:53Z)
Gradient-based Uncertainty for Monocular Depth Estimation [5.7575052885308455]
単眼深度推定では、移動物体や反射材料のような画像コンテキストの乱れは、容易に誤った予測につながる。本稿では,すでに訓練済みで固定された深度推定モデルに対するポストホック不確実性推定手法を提案する。提案手法は,ニューラルネットワークの再トレーニングを必要とせずに,KITTI と NYU Depth V2 ベンチマークにおける最先端の不確実性推定結果を実現する。
論文参考訳（メタデータ） (2022-08-03T12:21:02Z)
A high-precision self-supervised monocular visual odometry in foggy weather based on robust cycled generative adversarial networks and multi-task learning aided depth estimation [0.0]
本稿では,霧の天候下でのナビゲーションに特化して設計された,高精度な自己監督型単分子VOを提案する。サイクル生成対向ネットワークは、前と後ろの半サイクルに一貫した推定を強制することで、高品質な自己監督的損失を得るように設計されている。霧の天候における自己監督的損失に対する複雑な光度変化の干渉を取り除くため、勾配に基づく損失と知覚的損失が導入された。
論文参考訳（メタデータ） (2022-03-09T15:41:57Z)
On the Sins of Image Synthesis Loss for Self-supervised Depth Estimation [60.780823530087446]
画像合成の改善は深度推定の改善を必要としないことを示す。この発散現象は、データから生じるアレラトリックな不確実性に起因している。この観察された発散は、以前に報告されたり、深く研究されたりしていない。
論文参考訳（メタデータ） (2021-09-13T17:57:24Z)
Unsupervised Monocular Depth Learning with Integrated Intrinsics and Spatio-Temporal Constraints [61.46323213702369]
本研究は,大規模深度マップとエゴモーションを予測可能な教師なし学習フレームワークを提案する。本結果は,KITTI運転データセットの複数シーケンスにおける現在の最先端技術と比較して,高い性能を示す。
論文参考訳（メタデータ） (2020-11-02T22:26:58Z)
Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
論文参考訳（メタデータ） (2020-09-27T13:26:16Z)
Calibrating Self-supervised Monocular Depth Estimation [77.77696851397539]
近年、ニューラルネットワークが深度を学習し、画像のシーケンスに変化を起こさせる能力を示す方法は、訓練信号として自己スーパービジョンのみを使用している。カメラの構成や環境に関する事前情報を取り入れることで,センサの追加に頼ることなく,自己教師型定式化を用いて,スケールのあいまいさを排除し,深度を直接予測できることを示す。
論文参考訳（メタデータ） (2020-09-16T14:35:45Z)
Self-Supervised Scale Recovery for Monocular Depth and Egomotion Estimation [8.063452011959933]
本稿では、既知のカメラ高さと推定カメラ高さとの整合性を強制する、新しいスケール回復損失を提案する。提案手法は,より多くの情報を必要とする他のスケールリカバリ手法と競合することを示す。
論文参考訳（メタデータ） (2020-09-08T14:30:21Z)
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)

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。