論文の概要: DistFormer: Enhancing Local and Global Features for Monocular Per-Object Distance Estimation

• arxiv url: http://arxiv.org/abs/2401.03191v1
• Date: Sat, 6 Jan 2024 10:56:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-09 20:02:48.308001
• Title: DistFormer: Enhancing Local and Global Features for Monocular Per-Object Distance Estimation
• Title（参考訳）: DistFormer: オブジェクト単位の単眼的距離推定のための局所的およびグローバル的特徴の強化
• Authors: Aniello Panariello and Gianluca Mancusi and Fedy Haj Ali and Angelo Porrello and Simone Calderara and Rita Cucchiara
• Abstract要約: 物体ごとの距離推定は、自律運転、監視、ロボット工学などの安全上重要な応用において重要である。 既存のアプローチは、ローカル情報(すなわち、境界ボックスの割合)とグローバル情報という2つの尺度に依存している。 私たちの仕事は、地域とグローバルの両方の手段を強化することを目的としています。
• 参考スコア（独自算出の注目度）: 35.6022448037063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate per-object distance estimation is crucial in safety-critical applications such as autonomous driving, surveillance, and robotics. Existing approaches rely on two scales: local information (i.e., the bounding box proportions) or global information, which encodes the semantics of the scene as well as the spatial relations with neighboring objects. However, these approaches may struggle with long-range objects and in the presence of strong occlusions or unusual visual patterns. In this respect, our work aims to strengthen both local and global cues. Our architecture -- named DistFormer -- builds upon three major components acting jointly: i) a robust context encoder extracting fine-grained per-object representations; ii) a masked encoder-decoder module exploiting self-supervision to promote the learning of useful per-object features; iii) a global refinement module that aggregates object representations and computes a joint, spatially-consistent estimation. To evaluate the effectiveness of DistFormer, we conduct experiments on the standard KITTI dataset and the large-scale NuScenes and MOTSynth datasets. Such datasets cover various indoor/outdoor environments, changing weather conditions, appearances, and camera viewpoints. Our comprehensive analysis shows that DistFormer outperforms existing methods. Moreover, we further delve into its generalization capabilities, showing its regularization benefits in zero-shot synth-to-real transfer.
• Abstract（参考訳）: オブジェクトごとの正確な距離推定は、自動運転、監視、ロボット工学などの安全クリティカルな応用において不可欠である。 既存のアプローチでは、ローカル情報(バウンディングボックス比例)とグローバル情報という2つのスケールに依存しており、これはシーンの意味と隣り合うオブジェクトとの空間関係をエンコードしている。 しかし、これらのアプローチは長距離物体や強い閉塞や異常な視覚パターンの存在に苦しむ可能性がある。 この点に関して、我々の研究は地域的およびグローバル的な手掛かりを強化することを目的としています。 DistFormerという名前の私たちのアーキテクチャは、3つの主要なコンポーネントを共同で動作させます。 一 オブジェクトごとの細かな表現を抽出するロバストなコンテキストエンコーダ 二 自己超越を利用して有用物ごとの特徴の学習を促進するマスク付きエンコーダデコーダモジュール 三 オブジェクト表現を集約し、共同で空間的に整合性のある推定を計算するグローバルリファインメントモジュール DistFormerの有効性を評価するため,標準KITTIデータセットと大規模NuScenesおよびMOTSynthデータセットを用いて実験を行った。 このようなデータセットは、さまざまな屋内/屋外環境、天候条件の変化、外観、カメラ視点をカバーする。 総合分析の結果, distformerは既存の手法よりも優れていることがわかった。 さらに,その一般化能力をさらに精査し,ゼロショット合成から実写への転送における正規化の利点を示す。

関連論文リスト

• Localization, balance and affinity: a stronger multifaceted collaborative salient object detector in remote sensing images [24.06927394483275]
  ORSIにおいて,LBA-MCNetと呼ばれる,より強力な多面協調型サリエント物体検出器を提案する。 このネットワークは、ターゲットの正確な位置決め、詳細な機能のバランス、画像レベルのグローバルコンテキスト情報のモデリングに重点を置いている。
  論文  参考訳（メタデータ） (2024-10-31T14:50:48Z)
• Zero-Shot Object-Centric Representation Learning [72.43369950684057]
  ゼロショット一般化のレンズによる現在の対象中心法について検討する。 8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。 多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T10:37:07Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• Persistent Homology Meets Object Unity: Object Recognition in Clutter [2.356908851188234]
  見えない屋内環境における隠蔽物体の認識は、移動ロボットにとって難しい問題である。 本稿では,深度画像から生成された点雲のための新しい記述子TOPSと,人間の推論にインスパイアされた認識フレームワークTHORを提案する。 THORは両方のデータセットで最先端の手法より優れており、UW-IS Occludedデータセットのすべてのシナリオに対する認識精度が大幅に向上している。
  論文  参考訳（メタデータ） (2023-05-05T19:42:39Z)
• Ret3D: Rethinking Object Relations for Efficient 3D Object Detection in Driving Scenes [82.4186966781934]
  Ret3Dと呼ばれるシンプルで効率的で効果的な2段階検出器を導入する。 Ret3Dの中核は、新しいフレーム内およびフレーム間関係モジュールの利用である。 無視できる余分なオーバーヘッドにより、Ret3Dは最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-08-18T03:48:58Z)
• Complex-Valued Autoencoders for Object Discovery [62.26260974933819]
  本稿では,オブジェクト中心表現に対する分散アプローチとして,複合オートエンコーダを提案する。 このシンプルで効率的なアプローチは、単純なマルチオブジェクトデータセット上の等価な実数値オートエンコーダよりも、より良い再構成性能を実現することを示す。 また、2つのデータセット上のSlotAttentionモデルと競合しないオブジェクト発見性能を実現し、SlotAttentionが失敗する第3のデータセットでオブジェクトをアンタングルする。
  論文  参考訳（メタデータ） (2022-04-05T09:25:28Z)
• Object Manipulation via Visual Target Localization [64.05939029132394]
  オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。 本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。 評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
  論文  参考訳（メタデータ） (2022-03-15T17:59:01Z)
• Benchmarking Unsupervised Object Representations for Video Sequences [111.81492107649889]
  ViMON, OP3, TBA, SCALORの4つのオブジェクト中心アプローチの知覚能力を比較した。 この結果から,制約のない潜在表現を持つアーキテクチャは,オブジェクト検出やセグメンテーション,トラッキングといった観点から,より強力な表現を学習できる可能性が示唆された。 我々のベンチマークは、より堅牢なオブジェクト中心のビデオ表現を学習するための実りあるガイダンスを提供するかもしれない。
  論文  参考訳（メタデータ） (2020-06-12T09:37:24Z)

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。