- …
- …
#828
summarized by : Ryota Suzuki
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．
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）
- …
- …