Core Concepts
可能性理論を用いて、コストボリュームから頑健な立体視の信頼区間を推定する手法を提案する。
Abstract
本論文では、立体マッチングの問題において、信頼区間を推定する新しい手法を提案する。
まず、マッチングコストカーブを可能性分布に変換する。次に、この可能性分布から90%信頼区間を導出する。
低信頼領域では、統計的な正規化を行うことで、区間を適切に拡張する。
提案手法は、コストボリュームに基づく従来の立体マッチングアルゴリズムに統合できる。
実験では、Middlebury データセットと衛星画像データセットを用いて、提案手法の精度と区間サイズを検証した。
高信頼領域では、区間サイズが小さく、低信頼領域でも過剰な拡張を避けられることを示した。
本手法は、立体視から得られる3Dモデルの信頼性評価に活用できる。
Stats
立体視アルゴリズムの予測精度と真の値の最大差は、低信頼領域で30%程度である。
高信頼領域の相対的な区間サイズは、CENSUS法で25%、MC-CNN法で1.5%である。
低信頼領域の相対的な過剰推定は、CENSUS法で13%、MC-CNN法で30%である。
Quotes
"可能性分布を用いることで、利用可能な情報の部分性に由来する認識論的不確実性を適切にモデル化できる。"
"提案手法は、コストボリュームに基づく従来の立体マッチングアルゴリズムに統合できる。"
"本手法は、立体視から得られる3Dモデルの信頼性評価に活用できる。"