#828
summarized by : Ryota Suzuki
Uncertainty-Aware CNNs for Depth Completion: Uncertainty from Beginning to End

どんな論文か?

デプス補間において「不確かさ」をモデル全域で管理することで性能が上がることを示した.Normalized-CNNをベースに,自己教師学習の要領で観測の不確かさを推定,推定の不確かさ付きの密なデプス推定を出力.
placeholder

新規性

上記.

結果

KITTI-Depthデータセットに対して,平均誤差が先行法のNormalized-CNNに対しては130mm,SoTA手法に対しては20mm縮まった.

その他(なぜ通ったか?等)