論文の概要: Revisiting Depth Completion from a Stereo Matching Perspective for
Cross-domain Generalization
- arxiv url: http://arxiv.org/abs/2312.09254v1
- Date: Thu, 14 Dec 2023 18:59:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-15 20:18:06.880322
- Title: Revisiting Depth Completion from a Stereo Matching Perspective for
Cross-domain Generalization
- Title(参考訳): クロスドメイン一般化のためのステレオマッチング視点からの奥行き完全度の再検討
- Authors: Luca Bartolomei, Matteo Poggi, Andrea Conti, Fabio Tosi, Stefano
Mattoccia
- Abstract要約: 本稿は,現代のステレオネットワークの深度補完に対する一般化能力を利用する。
ステレオネットワークや従来のステレオマッチングは、私たちのフレームワークにシームレスにプラグインできます。
- 参考スコア(独自算出の注目度): 40.25292494550211
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a new framework for depth completion robust against
domain-shifting issues. It exploits the generalization capability of modern
stereo networks to face depth completion, by processing fictitious stereo pairs
obtained through a virtual pattern projection paradigm. Any stereo network or
traditional stereo matcher can be seamlessly plugged into our framework,
allowing for the deployment of a virtual stereo setup that is future-proof
against advancement in the stereo field. Exhaustive experiments on cross-domain
generalization support our claims. Hence, we argue that our framework can help
depth completion to reach new deployment scenarios.
- Abstract(参考訳): 本稿では、ドメインシフト問題に対して堅牢な深度補完のための新しいフレームワークを提案する。
仮想パターン投影パラダイムによって得られた架空のステレオペアを処理し、現代のステレオネットワークの一般化機能を活用し、深度を完備する。
ステレオネットワークや従来のステレオマーカは,私たちのフレームワークにシームレスに接続することが可能です。
クロスドメイン一般化に関する実証実験は、我々の主張を支持する。
したがって、当社のフレームワークは、新しいデプロイメントシナリオに到達するためのディープ・コンプリートに役立ちます。
関連論文リスト
- FoundationStereo: Zero-Shot Stereo Matching [50.79202911274819]
FoundationStereoはステレオ深度推定の基礎モデルである。
まず,大規模(1Mステレオペア)合成学習データセットを構築した。
その後、スケーラビリティを高めるために、多数のネットワークアーキテクチャコンポーネントを設計します。
論文 参考訳(メタデータ) (2025-01-17T01:01:44Z) - Stereo Anywhere: Robust Zero-Shot Deep Stereo Matching Even Where Either Stereo or Mono Fail [37.90622613373521]
我々はStereo Anywhereを紹介した。これは、幾何学的制約と単眼深度視覚基礎モデル(VFM)の頑健な先行性を組み合わせた新しいステレオマッチングフレームワークである。
合成専用学習モデルでは, ゼロショットの一般化が実現し, 既存の解よりも優れていた。
論文 参考訳(メタデータ) (2024-12-05T18:59:58Z) - Stereo-Depth Fusion through Virtual Pattern Projection [37.519762078762575]
本稿では,新しい汎用ステレオ・ディープデータ融合パラダイムを提案する。
これは、信頼できない物理パターンプロジェクターを奥行きセンサーに置き換えることで、アクティブなステレオ原理を模倣する。
従来のステレオカメラで取得した左右の画像に、シーン形状と整合した仮想パターンを投影する。
論文 参考訳(メタデータ) (2024-06-06T17:59:58Z) - 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) - Reversing the cycle: self-supervised deep stereo through enhanced
monocular distillation [51.714092199995044]
多くの分野において、自己教師付き学習ソリューションは急速に進化し、教師付きアプローチでギャップを埋めている。
本稿では,両者の相互関係を逆転する自己教師型パラダイムを提案する。
深層ステレオネットワークを訓練するために,単分子完備ネットワークを通じて知識を抽出する。
論文 参考訳(メタデータ) (2020-08-17T07:40:22Z) - 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。