Toward Practical Self-Supervised Monocular Indoor Depth Estimation 自己監視型の単眼深度推定方法の大部分は、運転シナリオに焦点を合わせています。このような方法は、オブジェクトが乱雑になり、近接場に任意に配置される、目に見えない複雑な屋内シーンに一般化されないことを示します。より堅牢にするために、構造化された混合データセットトレーニングにより、構造化されているがメトリックに依存しない深度を生成する、事前トレーニングされた深度推定器からナックを学習する構造蒸留アプローチを提案します。蒸留と、左右の一貫性からメトリックを学習する自己監視ブランチを組み合わせることで、一般的な屋内シーンの構造化されたメトリックの深さを実現し、リアルタイムで推論を行います。学習と評価を容易にするために、数千の環境でのシミュレーションからのデータセットで
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く