Disentangling Object Motion and Occlusion for Unsupervised Multi-frame Monocular Depth 従来の自己監視単眼深度予測方法は、静的環境の仮定に基づいており、オブジェクトの動きによって引き起こされる不一致と閉塞の問題により、動的シーンの精度が低下します。既存の動的オブジェクトに焦点を当てた方法は、トレーニング損失レベルでの不一致の問題を部分的にしか解決しませんでした。したがって、本論文では、予測損失レベルと監視損失レベルの両方でこれらの問題を解決するための新しいマルチフレーム単眼深度予測方法を提案します。 DynamicDepthと呼ばれる私たちの方法は、自己監視型のサイクル一貫性のある学習スキームを介してトレーニングされた新しいフレームワークです。不一致の問題を解決するためにオブジェクトの動きを解きほぐすため
TANDEM：ディープマルチビューステレオを使用したリアルタイムでの追跡と高密度マッピング
TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view Stereo この論文では、TANDEMにリアルタイムの単眼追跡と高密度マッピングフレームワークを紹介します。ポーズ推定では、TANDEMはキーフレームのスライディングウィンドウに基づいて測光バンドル調整を実行します。堅牢性を高めるために、高密度の深度予測から段階的に構築されたグローバルモデルからレンダリングされた深度マップを使用して、高密度の直接画像位置合わせを実行する新しい追跡フロントエンドを提案します。密な深度マップを予測するために、キーフレーム間の異なるステレオベースラインのバランスをとるために適応ビュー集約を使用して3Dコストボリュームを階層的に構築することにより、アクティブなキーフレームウィンドウ全体を利用するカスケードビュー集約MVSNe
Online Adaptation of Monocular Depth Prediction with Visual SLAM CNNによる正確な深度予測の機能は、強化されたカメラ追跡や高密度マッピングなどの実用的なビジュアルSLAMアプリケーションで広く使用するための主要な課題です。このホワイトペーパーは、次の質問に答えることを目的としています。SLAMのパフォーマンスを向上させるために、CNNが現在の動作環境用にトレーニングされていない場合でも、視覚的なSLAMアルゴリズムを使用して深度予測CNNを調整できますか？この目的のために、2つの補完的なプロセスで構成される新しいオンライン適応フレームワークを提案します。1つはキーフレームを生成して深度予測を微調整するために使用されるSLAMアルゴリズム、もう1つはオンライン適応深度を使用してマップの品質を向上させるアルゴリズムです。ノイズの
ShoeRinsics: Shoeprint Prediction for Forensics with Intrinsic Decomposition 靴の踏み板の印象は、犯罪現場に残された最も一般的な種類の証拠の1つです。ただし、そのような証拠の有用性は、膨大な数の異なる靴モデルをカバーする履物の印象パターンのデータベースの欠如によって制限されています。オンライン小売業者が収集した靴のトレッド写真を活用して、このギャップに対処することを提案します。真の印象やトレッドパターンの3D形状は利用できないため、主要な課題は靴の写真から印象パターンを予測することです。単一のトレッド写真から固有の画像分解（深度、法線、アルベド、および照明の予測）を実行するモデルを開発します。私たちがShoeRinsicsと呼ぶ私たちのアプローチは、完全に監視された合成データと監視されていない小売画像データの組み合
Semi-MoreGAN：雨の除去の混合物のための新しい半教師あり生成的敵対的ネットワーク
雨は最も一般的な天気の1つであり、特に大雨の条件下では、画質を完全に低下させ、多くのコンピュータービジョンタスクのパフォーマンスを妨げる可能性があります。 （i）雨は、雨の筋と雨のかすみの混合物です。 （ii）シーンの深さは、雨の縞の強度と雨のかすみへの変換を決定します。 （iii）ほとんどの既存の排水方法は、合成雨画像でのみトレーニングされているため、実際のシーンへの一般化は不十分です。これらの観測に動機付けられて、4つの主要なモジュールで構成される新しいSEMI監視の雨除去生成敵対的ネットワーク（Semi-MoreGAN）を提案します。（I）正確な深度推定を提供する新しい注意深度予測ネットワーク。 （ii）詳細な画像コンテキスト特徴を生成するためのいくつかの適切に設計された詳細な残余ブロックで構成されるコンテキスト特徴予測ネットワーク。 （iii）ピラミッド深度誘導非ローカルネットワー
MDS-Net: A Multi-scale Depth Stratification Based Monocular 3D Object Detection Algorithm 単眼3Dオブジェクトの検出は、深度情報が不足しているため、自動運転では非常に困難です。本論文では、マルチスケール深度層化に基づく一段単眼3Dオブジェクト検出アルゴリズムを提案します。これは、アンカーフリー法を使用して、ピクセルごとの予測で3Dオブジェクトを検出します。提案されたMDS-Netでは、オブジェクトの深度と画像サイズの間に数学モデルを確立することにより、ネットワークの深度予測能力を向上させるために、新しい深度ベースの層化構造が開発されています。次に、新しい角度損失関数が開発され、角度予測の精度がさらに向上し、トレーニングの収束速度が向上します。最適化されたsoft-NMSは、候補ボックスの信頼性を調整す
Distortion-Aware Self-Supervised 360° Depth Estimation from A Single Equirectangular Projection Image 360°画像は過去数年間で広く利用可能です。この論文は、開放環境下での単一の360°画像深度予測のための新しい技術を提案した。 360°の単一画像からの深度予測は、2つの理由から簡単ではありません。 1つは、監視データセットの制限です。現在利用可能なデータセットは、屋内シーンに限定されています。もう1つは、正距円筒図法（ERP）によって引き起こされる問題で、360°画像に一般的に使用されます。これは座標と歪みです。キューブマップ投影を使用して6つの透視画像を生成し、これらの問題に対処するために透視深度予測に動画を使用した自己監視学習を適用する方法は1つしかありません。既存の方法とは異なり、
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
教師なしマルチフレーム単眼深度に対するオブジェクトの動きとオクルージョンの解きほぐし
VisualSLAMによる単眼深度予測のオンライン適応
ShoeRinsics：固有の分解を伴う法医学のための靴型予測
MDS-Net：マルチスケール深度層別化ベースの単眼3Dオブジェクト検出アルゴリズム
単一の正距円筒図法画像からの歪みを意識した自己監視360°深度推定