Fugu-MT 論文翻訳(概要): CHOSEN: Contrastive Hypothesis Selection for Multi-View Depth Refinement

論文の概要: CHOSEN: Contrastive Hypothesis Selection for Multi-View Depth Refinement

arxiv url: http://arxiv.org/abs/2404.02225v1
Date: Tue, 2 Apr 2024 18:27:03 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 19:38:40.477208
Title: CHOSEN: Contrastive Hypothesis Selection for Multi-View Depth Refinement
Title（参考訳）: CHOSEN: 多視点深度微細化のための対照的な仮説選択
Authors: Di Qiu, Yinda Zhang, Thabo Beeler, Vladimir Tankovich, Christian Häne, Sean Fanello, Christoph Rhemann, Sergio Orts Escolano,
Abstract要約: CHOSENは柔軟で堅牢で効果的なマルチビュー深度改善フレームワークである。既存のマルチビューステレオパイプラインでも使用できる。
参考スコア（独自算出の注目度）: 17.4479165692548
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose CHOSEN, a simple yet flexible, robust and effective multi-view depth refinement framework. It can be employed in any existing multi-view stereo pipeline, with straightforward generalization capability for different multi-view capture systems such as camera relative positioning and lenses. Given an initial depth estimation, CHOSEN iteratively re-samples and selects the best hypotheses, and automatically adapts to different metric or intrinsic scales determined by the capture system. The key to our approach is the application of contrastive learning in an appropriate solution space and a carefully designed hypothesis feature, based on which positive and negative hypotheses can be effectively distinguished. Integrated in a simple baseline multi-view stereo pipeline, CHOSEN delivers impressive quality in terms of depth and normal accuracy compared to many current deep learning based multi-view stereo pipelines.
Abstract（参考訳）: 我々は、シンプルで柔軟で堅牢で効果的な多視点深度精錬フレームワークCHOSENを提案する。既存のマルチビューステレオパイプラインでも使用でき、カメラの相対位置決めやレンズなど、様々なマルチビューキャプチャシステムに簡単に一般化できる。初期深度推定が与えられた後、CHOSENは反復的な再サンプリングを行い、最良の仮説を選択し、キャプチャシステムによって決定される異なるメートル法または固有のスケールに自動的に適応する。提案手法の鍵となるのは, 正と負の仮説を効果的に区別できるような, 適切な解空間と慎重に設計された仮説特徴におけるコントラスト学習の応用である。シンプルなベースラインのマルチビューステレオパイプラインに統合されたCHOSENは、現在の多くのディープラーニングベースのマルチビューステレオパイプラインと比較して、深さと通常の精度で印象的な品質を提供する。

関連論文リスト

Adaptive Fusion of Single-View and Multi-View Depth for Autonomous Driving [22.58849429006898]
現在のマルチビュー深度推定法やシングルビューおよびマルチビュー融合法は、ノイズのあるポーズ設定で失敗する。本稿では,高信頼度なマルチビューと単一ビューの結果を適応的に統合する単一ビュー・多ビュー融合深度推定システムを提案する。本手法は,ロバストネス試験において,最先端のマルチビュー・フュージョン法より優れる。
論文参考訳（メタデータ） (2024-03-12T11:18:35Z)
Dive Deeper into Rectifying Homography for Stereo Camera Online Self-Calibration [18.089940434364234]
ステレオカメラのためのオンライン自己校正アルゴリズムを開発した。外部パラメータ推定のロバスト性と精度を定量化するための4つの新しい評価指標を提案する。私たちのソースコード、デモビデオ、サプリメントは、mias.group/StereoCalibratorで公開されています。
論文参考訳（メタデータ） (2023-09-19T04:52:13Z)
Assessor360: Multi-sequence Network for Blind Omnidirectional Image Quality Assessment [50.82681686110528]
Blind Omnidirectional Image Quality Assessment (BOIQA)は、全方位画像(ODI)の人間の知覚品質を客観的に評価することを目的としている。 ODIの品質評価は、既存のBOIQAパイプラインがオブザーバのブラウジングプロセスのモデリングを欠いているという事実によって著しく妨げられている。 Assessor360と呼ばれるBOIQAのための新しいマルチシーケンスネットワークを提案する。
論文参考訳（メタデータ） (2023-05-18T13:55:28Z)
Single Image Depth Prediction Made Better: A Multivariate Gaussian Take [163.14849753700682]
本稿では,画素ごとの深度を連続的にモデル化する手法を提案する。提案手法の精度(MG)は,KITTI深度予測ベンチマークリーダーボードの上位に位置する。
論文参考訳（メタデータ） (2023-03-31T16:01:03Z)
SurroundDepth: Entangling Surrounding Views for Self-Supervised Multi-Camera Depth Estimation [101.55622133406446]
本研究では,複数の周囲からの情報を組み込んだSurroundDepth法を提案し,カメラ間の深度マップの予測を行う。具体的には、周囲のすべてのビューを処理し、複数のビューから情報を効果的に融合するクロスビュー変換器を提案する。実験において,本手法は,挑戦的なマルチカメラ深度推定データセット上での最先端性能を実現する。
論文参考訳（メタデータ） (2022-04-07T17:58:47Z)
Improving Monocular Visual Odometry Using Learned Depth [84.05081552443693]
単眼深度推定を応用して視力計測(VO)を改善する枠組みを提案する。我々のフレームワークの中核は、多様なシーンに対して強力な一般化能力を持つ単眼深度推定モジュールである。現在の学習型VO法と比較して,本手法は多様なシーンに対してより強力な一般化能力を示す。
論文参考訳（メタデータ） (2022-04-04T06:26:46Z)
A Confidence-based Iterative Solver of Depths and Surface Normals for Deep Multi-view Stereo [41.527018997251744]
本研究では,深度,表面正規度,視野ごとの信頼度を共同で予測する深層多視点ステレオ(MVS)システムを提案する。我々のアプローチの鍵は、ビューごとの深度マップと正規写像に対して反復的に解決する新しい解法である。提案手法は,従来型および深層学習に基づくMVSパイプラインの深部品質を継続的に向上する。
論文参考訳（メタデータ） (2022-01-19T14:08:45Z)
Multi-View Depth Estimation by Fusing Single-View Depth Probability with Multi-View Geometry [25.003116148843525]
多視点幾何を用いて一視点深度確率を融合するフレームワークであるMaGNetを提案する。 MaGNet は ScanNet, 7-Scenes, KITTI で最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2021-12-15T14:56:53Z)
MorphEyes: Variable Baseline Stereo For Quadrotor Navigation [13.830987813403018]
本稿では,ベースラインをオンザフライで適用可能なステレオカメラシステムに基づく,四角形ナビゲーションのためのフレームワークを提案する。変数ベースラインシステムは,3つのシナリオすべてにおいて,より正確で堅牢であることを示す。
論文参考訳（メタデータ） (2020-11-05T20:04:35Z)
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)
OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。