論文の概要: Eetimating Indoor Scene Depth Maps from Ultrasonic Echoes

• arxiv url: http://arxiv.org/abs/2409.03336v1
• Date: Thu, 5 Sep 2024 08:28:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 21:20:12.494375
• Title: Eetimating Indoor Scene Depth Maps from Ultrasonic Echoes
• Title（参考訳）: 超音波エコーによる屋内シーン深度マップの推定
• Authors: Junpei Honma, Akisato Kimura, Go Irie,
• Abstract要約: 本稿では,難聴エコーを用いたエコーに基づく深度推定について考察する。 超音波は理論上高い測定精度を提供するが、超音波を用いた場合の実際の深さ推定精度は未定である。 本稿では, 超音波エコーを用いた深度推定の精度を向上させるための新しい深度学習法を提案する。
• 参考スコア（独自算出の注目度）: 11.826397394043905
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Measuring 3D geometric structures of indoor scenes requires dedicated depth sensors, which are not always available. Echo-based depth estimation has recently been studied as a promising alternative solution. All previous studies have assumed the use of echoes in the audible range. However, one major problem is that audible echoes cannot be used in quiet spaces or other situations where producing audible sounds is prohibited. In this paper, we consider echo-based depth estimation using inaudible ultrasonic echoes. While ultrasonic waves provide high measurement accuracy in theory, the actual depth estimation accuracy when ultrasonic echoes are used has remained unclear, due to its disadvantage of being sensitive to noise and susceptible to attenuation. We first investigate the depth estimation accuracy when the frequency of the sound source is restricted to the high-frequency band, and found that the accuracy decreased when the frequency was limited to ultrasonic ranges. Based on this observation, we propose a novel deep learning method to improve the accuracy of ultrasonic echo-based depth estimation by using audible echoes as auxiliary data only during training. Experimental results with a public dataset demonstrate that our method improves the estimation accuracy.
• Abstract（参考訳）: 屋内シーンの3次元幾何学的構造を測定するには専用の深度センサーが必要であるが、必ずしも利用できない。 エコーに基づく深度推定は、最近、有望な代替ソリューションとして研究されている。 過去の研究はすべて、可聴域におけるエコーの使用を前提としている。 しかし、1つの大きな問題は、可聴エコーが静かな空間や、可聴音の生成が禁止されている他の状況では使用できないことである。 本稿では,難聴エコーを用いたエコーに基づく深度推定について考察する。 超音波は理論上高い測定精度を提供するが、ノイズに敏感で減衰しにくいため、超音波を用いた場合の実際の深さ推定精度は未定である。 まず、音源の周波数を高周波帯域に制限した場合の深さ推定精度について検討し、周波数を超音波範囲に制限した場合の精度が低下することを確認した。 そこで本研究では,訓練中のみの補助データとして可聴エコーを用いた超音波エコーによる深度推定の精度を向上させるための新しい深度学習法を提案する。 パブリックデータセットによる実験結果から,提案手法は推定精度を向上することが示された。

関連論文リスト

• Nested ResNet: A Vision-Based Method for Detecting the Sensing Area of a Drop-in Gamma Probe [2.835688998859888]
  ドロップインガンマプローブは、リンパ節検出のためのロボット支援最小侵襲手術(RAMIS)に広く用いられている。 従来の研究では、腹腔鏡画像を用いて感知領域の位置を予測しようとしたが、予測精度は不十分であった。 本研究では,プローブの知覚領域を予測するための3分岐深度学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-30T16:08:43Z)
• ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
  そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。 以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-23T14:24:26Z)
• Can ultrasound confidence maps predict sonographers' labeling variability? [38.75943978900532]
  本研究は,ソノグラフィーの不確実性を考慮するために,超音波セグメンテーションネットワークを誘導する新しい手法を提案する。 信頼性マップの低値と専門家のラベルの不確実性との間には相関関係があることが示されている。 以上の結果から,超音波CMではDiceスコアが増加し,HusdorffおよびAverage Surface Distanceが向上し,孤立画素の予測回数が減少した。
  論文  参考訳（メタデータ） (2023-08-18T10:07:17Z)
• EchoVest: Real-Time Sound Classification and Depth Perception Expressed through Transcutaneous Electrical Nerve Stimulation [0.0]
  我々は、視覚障害者や聴覚障害者が自分の環境をより直感的に認識できるように、新しい補助デバイス、EchoVestを開発した。 EchoVestは、音の音源に基づいて経皮的電気神経刺激(TENS)を利用して、ユーザの身体に振動を伝達する。 我々は、CNNベースの機械学習モデルよりも精度と計算コストにおいて、分類タスクに最もよく使用される機械学習モデルより優れていることを目指していた。
  論文  参考訳（メタデータ） (2023-07-10T14:43:32Z)
• Benchmarking the Impact of Noise on Deep Learning-based Classification of Atrial Fibrillation in 12-Lead ECG [1.174402845822043]
  12誘導心電図における心房細動検出のためのDeep Learning-based methodの精度に対する4種類のノイズの影響をベンチマークした。 本手法が心房細動を頑健に識別できることを我々は観察する。
  論文  参考訳（メタデータ） (2023-03-24T11:04:16Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Weak-signal extraction enabled by deep-neural-network denoising of diffraction data [26.36525764239897]
  深層畳み込みニューラルネットワークを用いて、データの復号化を図示する。 ノイズの多いデータでは、電荷の順序から生じる弱信号が可視化され、精度が向上することを示す。
  論文  参考訳（メタデータ） (2022-09-19T14:43:01Z)
• SpecGrad: Diffusion Probabilistic Model based Neural Vocoder with Adaptive Noise Spectral Shaping [51.698273019061645]
  SpecGradは拡散雑音に適応し、その時間変化スペクトル包絡が条件付き対数メル分光器に近づく。 時間周波数領域で処理され、計算コストは従来のDDPMベースのニューラルボコーダとほぼ同じである。
  論文  参考訳（メタデータ） (2022-03-31T02:08:27Z)
• Self-Supervised Depth Completion for Active Stereo [55.79929735390945]
  アクティブステレオシステムは、低コストで高品質な深度マップのため、ロボット産業で広く利用されている。 これらの深度センサーはステレオアーチファクトに悩まされており、密度の深い深度推定を提供していない。 本稿では, 高精度な深度マップを推定するアクティブステレオシステムのための, 自己監督型深度補完法を提案する。
  論文  参考訳（メタデータ） (2021-10-07T07:33:52Z)
• 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)
• Bi3D: Stereo Depth Estimation via Binary Classifications [129.1582262491508]
  本稿では,一連のバイナリ分類を用いて深度を推定する手法であるBi3Dを提案する。 厳格な時間予算を考えれば、Bi3Dは数ミリ秒で特定の距離より近い物体を検出できる。 標準的なステレオ(すなわち全範囲の連続的な深さ)では、我々の手法は最先端の細かな調整されたステレオ手法に近いか同等である。
  論文  参考訳（メタデータ） (2020-05-14T21:33:00Z)

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。