論文の概要: A Survey on Deep Stereo Matching in the Twenties
- arxiv url: http://arxiv.org/abs/2407.07816v1
- Date: Wed, 10 Jul 2024 16:40:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-11 15:53:02.113314
- Title: A Survey on Deep Stereo Matching in the Twenties
- Title（参考訳）: 20年代における深部ステレオマッチングに関する調査
- Authors: Fabio Tosi, Luca Bartolomei, Matteo Poggi,
- Abstract要約: ステレオマッチングは半世紀に及ぶ歴史に近づきつつあるが、ディープラーニングのおかげで過去10年間に急速な進化が見られた。
本稿では,2020年代にその分野を再定義した,先駆的な建築設計と画期的なパラダイムに焦点を当てる。
アーキテクチャの革新と重要な課題の両方をレビューすることで、深いステレオマッチングの全体像を提供します。
- 参考スコア（独自算出の注目度）: 26.657230432713757
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stereo matching is close to hitting a half-century of history, yet witnessed a rapid evolution in the last decade thanks to deep learning. While previous surveys in the late 2010s covered the first stage of this revolution, the last five years of research brought further ground-breaking advancements to the field. This paper aims to fill this gap in a two-fold manner: first, we offer an in-depth examination of the latest developments in deep stereo matching, focusing on the pioneering architectural designs and groundbreaking paradigms that have redefined the field in the 2020s; second, we present a thorough analysis of the critical challenges that have emerged alongside these advances, providing a comprehensive taxonomy of these issues and exploring the state-of-the-art techniques proposed to address them. By reviewing both the architectural innovations and the key challenges, we offer a holistic view of deep stereo matching and highlight the specific areas that require further investigation. To accompany this survey, we maintain a regularly updated project page that catalogs papers on deep stereo matching in our Awesome-Deep-Stereo-Matching (https://github.com/fabiotosi92/Awesome-Deep-Stereo-Matching) repository.
- Abstract（参考訳）: ステレオマッチングは半世紀に及ぶ歴史に近づきつつあるが、ディープラーニングのおかげで過去10年間に急速な進化が見られた。
2010年代後半の以前の調査では、この革命の最初の段階をカバーしていたが、最後の5年間の研究は、この分野にさらなる画期的な進展をもたらした。
本稿は,このギャップを2重に埋めることを目的としており,まず,2020年代に再定義された建築設計の先駆的発展と画期的なパラダイムに焦点をあて,最新のステレオマッチングの展開を詳細に検討し,これらの課題の包括的分類を提供し,それに対応するための最先端技術を探究する。
アーキテクチャの革新と重要な課題の両方をレビューすることで、深いステレオマッチングの全体像を提供し、さらなる調査を必要とする特定の領域を強調します。
Awesome-Deep-Stereo-Matching (https://github.com/fabiotosi92/Awesome-Deep-Stereo-Matching)リポジトリで、ディープステレオマッチングに関する論文をカタログ化する、定期的に更新されたプロジェクトページを維持しています。
関連論文リスト
- Event-based Stereo Depth Estimation: A Survey [12.711235562366898]
ステレオプシスは、生物が私たちの3D世界をナビゲートする深度を知覚する主要な方法であるため、ロボット工学において広くアピールされている。
イベントカメラは、非常に高時間分解能と高ダイナミックレンジで、ピクセルごとの明るさ変化を非同期に検出する、バイオインスパイアされた新しいセンサーである。
高度の時間精度もステレオマッチングの恩恵を受けており、イベントカメラが登場して以来の一般的な研究領域として不透明度(深度)が評価されている。
論文 参考訳（メタデータ） (2024-09-26T09:43:50Z) - A Survey on Long Video Generation: Challenges, Methods, and Prospects [36.58662591921549]
本稿では,近年の長編ビデオ生成の進歩に関する最初の調査について述べる。
それらを2つの重要なパラダイム、すなわち時間的自己回帰の分割と征服にまとめる。
本稿では,長期ビデオ生成研究の進展に欠かせないデータセットと評価指標の包括的概要と分類について述べる。
論文 参考訳（メタデータ） (2024-03-25T03:47:53Z) - On the Essence and Prospect: An Investigation of Alignment Approaches
for Big Models [77.86952307745763]
ビッグデータはAIの分野で画期的なブレークスルーを達成したが、潜在的な懸念を生じさせるかもしれない。
このような懸念に対処するため、これらのモデルを人間の嗜好や価値観に適合させるアライメント技術が導入された。
過去1年間にかなりの進歩があったにもかかわらず、最適アライメント戦略の確立には様々な課題がある。
論文 参考訳（メタデータ） (2024-03-07T04:19:13Z) - End-to-end Task-oriented Dialogue: A Survey of Tasks, Methods, and
Future Directions [65.64674377591852]
エンドツーエンドのタスク指向対話(EToD)は、モジュールトレーニングなしでエンドツーエンドで応答を直接生成できる。
ディープニューラルネットワークの進歩、特に大きな事前訓練モデルの使用の成功は、EToD研究に大きな進歩をもたらした。
論文 参考訳（メタデータ） (2023-11-15T14:50:16Z) - Federated Learning for Generalization, Robustness, Fairness: A Survey
and Benchmark [55.898771405172155]
フェデレートラーニングは、異なる当事者間のプライバシー保護コラボレーションのための有望なパラダイムとして登場した。
我々は,連合学習研究の重要かつ最近の展開を体系的に概観する。
論文 参考訳（メタデータ） (2023-11-12T06:32:30Z) - 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。
この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。
我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
論文 参考訳（メタデータ） (2022-02-07T07:12:24Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳（メタデータ） (2021-08-01T08:54:47Z) - Deep Learning for Face Anti-Spoofing: A Survey [74.42603610773931]
対面防止(FAS)は、プレゼンテーションアタック(PA)から顔認識システムを保護する上で重要な役割を担っているため、近年注目を集めている。
論文 参考訳（メタデータ） (2021-06-28T19:12:00Z) - A Survey on Deep Learning Techniques for Stereo-based Depth Estimation [30.330599857204344]
RGB画像から深度を推定することは、長年続く不適切な問題である。
ステレオベースの深度推定のためのディープラーニングは、コミュニティから関心を集めている。
この新世代の手法は、性能の大きな飛躍を見せている。
論文 参考訳（メタデータ） (2020-06-01T13:09:46Z)
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。