Core Concepts
本研究では、単眼深度推定モデルの深度エッジの精度を大幅に向上させることができる。
Abstract
本研究では、単眼深度推定(MDE)の深度エッジの精度を向上させる手法を提案している。
- MDE手法は、ピクセルごとの深度推定精度は高いが、深度エッジの位置推定精度が低いという課題がある。
- 深度エッジの位置推定精度が低いと、拡張現実(AR)などの深度依存アプリケーションで問題が生じる。
- 提案手法では、合成データを用いて深度エッジ検出器(DEE)を事前に学習し、その出力を使って実データのMDEモデルの学習時に深度エッジの損失関数を導入する。
- KITTI-DE、DDAD-DEなどの新しい深度エッジ評価データセットを作成し、提案手法がベースラインと比べて深度エッジの精度を大幅に向上させることを示した。
- 一方で、ピクセルごとの深度推定精度はベースラインと同等の性能を維持できている。
Stats
深度エッジ近傍のLIDAR計測密度は低い。
KITTI-DEデータセットでは、深度エッジから距離dの領域Pdにおける、LIDAR計測のある領域P_Ldの割合は、dが小さいほど低下する。
Quotes
単眼深度推定は、1枚のRGB画像から各ピクセルの深度を推定する問題である。
深度エッジの位置推定精度が低いと、拡張現実(AR)などの深度依存アプリケーションで問題が生じる。