お知らせ ◆映像情報メディア学会における研究会の開催について (新型コロナウイルス関連)2021年7月21日更新
映像情報メディア学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2020-03-13 14:45
深度分布の分類を用いた地形画像の単眼深度推定
高橋 遼遠藤結城金森由博三谷 純筑波大
抄録 (和) 本稿では、畳み込みニューラルネットワーク (CNN) を用いて1枚の地形画像から深度推定を行う手法を提案する。CNNを用いる既存研究は、屋内画像などの近景画像のみを扱っており、深度に関してより広い分布をもつ地形画像に対しては、深度推定の精度が低下しやすい。この原因として、深度分布のばらつきの大きさが学習を阻害することが考えられる。そこで本稿では、地形画像から推定される深度分布に応じたクラス分類を導入することで、深度分布のばらつきの影響を抑えた学習・推論を目指す。まず、訓練画像を深度分布に応じてクラス分けし、クラスごとに別々のCNNを訓練する。さらに、入力された地形画像に対して深度分布のクラス分類を行うCNNを導入する。推論時には、入力画像に対する各クラスの尤度を重みとして、各クラスの深度推定結果の加重平均によって、最終的な深度画像を出力する。以上により、地形画像の単眼深度推定の精度向上を試みる。 
(英) We propose a method for estimating depth from single-view terrain landscapes using convolutional neural networks (CNNs). The existing depth estimation methods using CNNs mainly target at near-distance views (e.g., indoor scenes), and often suffer from large-scale scenes with significant depth range. We attribute this performance degradation to the difficulty of training due to considerable depth variations. In this work, we integrate a CNN for classifying depth distributions inferred from input images on top of depth estimation to alleviate the influence of depth variations during training and inference. We first classify training data into several depth classes and train a depth-estimation CNN for each class. During inference, we obtain a final depth map by calculating a weighted average of outputs from class-wise CNNs, whose weights are obtained as likelihoods inferred by the depth-classification CNN. We attempt more accurate depth estimation for terrain landscapes with this proposed framework.
キーワード (和) 地形 / 単眼深度推定 / / / / / /  
(英) Terrain / Monocular Depth Estimation / / / / / /  
文献情報 映情学技報, vol. 44, pp. 65-68, 2020年3月.
資料番号  
発行日 2020-03-06 (AIT) 
ISSN Print edition: ISSN 1342-6893    Online edition: ISSN 2424-1970
PDFダウンロード

研究会情報
研究会 AIT IIEEJ AS CG-ARTS  
開催期間 2020-03-13 - 2020-03-13 
開催地(和) 東京工科大学 蒲田キャンパス 
開催地(英) Tokyo University of Technology 
テーマ(和) 映像表現・芸術科学フォーラム2020(Expressive Japan 2020) 
テーマ(英) Expressive Japan 2020 
講演論文情報の詳細
申込み研究会 AS 
会議コード 2020-03-AIT-IIEEJ-AS-ARTS 
本文の言語 日本語 
タイトル(和) 深度分布の分類を用いた地形画像の単眼深度推定 
サブタイトル(和)  
タイトル(英) Monocular Terrain Depth Estimation with Classification of Depth Distribution 
サブタイトル(英)  
キーワード(1)(和/英) 地形 / Terrain  
キーワード(2)(和/英) 単眼深度推定 / Monocular Depth Estimation  
キーワード(3)(和/英) /  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 高橋 遼 / Haruka Takahashi / タカハシ ハルカ
第1著者 所属(和/英) 筑波大学 (略称: 筑波大)
University of Tsukuba (略称: Univ. of Tsukuba)
第2著者 氏名(和/英/ヨミ) 遠藤 結城 / Yuki Endo / エンドウ ユキ
第2著者 所属(和/英) 筑波大学 (略称: 筑波大)
Uiversity of Tsukuba (略称: Univ. of Tsukuba)
第3著者 氏名(和/英/ヨミ) 金森 由博 / Yoshihiro Kanamori / カナモリ ヨシヒロ
第3著者 所属(和/英) 筑波大学 (略称: 筑波大)
Uiversity of Tsukuba (略称: Univ. of Tsukuba)
第4著者 氏名(和/英/ヨミ) 三谷 純 / Jun Mitani / ミタニ ジュン
第4著者 所属(和/英) 筑波大学 (略称: 筑波大)
Uiversity of Tsukuba (略称: Univ. of Tsukuba)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2020-03-13 14:45:00 
発表時間 15分 
申込先研究会 AS 
資料番号 AIT2020-66 
巻番号(vol) vol.44 
号番号(no) no.10 
ページ範囲 pp.65-68 
ページ数
発行日 2020-03-06 (AIT) 


[研究会発表申込システムのトップページに戻る]

[映像情報メディア学会ホームページ]


ITE / 映像情報メディア学会