- …
- …
#283
summarized by : yusuke saito
どんな論文か?
Depthマップを拡張性とリアルタイム性の点で効率的に再構成を行うための機械学習ベースの手法を提案する。
既存手法(TSDF)をリアルタイム性に対応させるため、深さ情報の単純な線形融合の代わりに、典型的な融合エラーをよりよく考慮するために非線形更新を予測するニューラルネットワークを提案する。
新規性
- 確率的深度マップ融合と違い、実際のセンサ観測をモデル化。
- SLAMベースの手法のなかで、大規模シーンでかつリアルタイムに再構成を可能にする、初めてのグローバルモデルフュージョンに対応した研究である。
結果
- TSDF Fusion等の既存手法と比較して、MSE、MAD,Accuracy,IoUの全てで最もよい評価となっている。
- ノイズへの対応と薄い構造物の再構築における我々の手法の強みを示した
- 定性的には、例えば車のスポイラーや椅子の脚の詳細な部分をなめらかにすることがない(既存手法では滑らかにしてしまっていた)。また、手と顔の形状においても良い結果を示している.
その他(なぜ通ったか?等)
Depthセンサによって3D再構成をリアルタイムかつ高精度に行うことができる手法を提案。また、一旦二段階構成になっていて、2Dでルーティングを行った上で更新部分を定め、Rayの先のVoxelGridにおいてのみ更新を行うことでリアルタイム性を獲得している点が良い。
- …
- …