#165
summarized by : Godel
Regularizing Nighttime Weirdness: Efficient Self-Supervised Monocular Depth Estimation in the Dark

どんな論文か?

単眼RGBカメラの深度推定は,近年はアノテーションの不要な自己教師あり学習を用いて昼間シーンのベンチマークで素晴らしい性能を達成している.一方,夜間シーンでは,照明が一様でなく変化するため,テクスチャーが弱くなり,明るさの整合性の仮定が破られるため,奇妙な出力になってしまう.この問題に対処し,SOTAを示し,夜間においても安定した深度推定を可能とした.
placeholder

新規性

・Loss算出時対応していないデータ群の分布の知識を学習し,モデルが誤って学習されるのを事前に防ぐためのPBRモジュールを導入. ・暗闇での視認性の低さに対処し、明るさの一貫性を維持するためのMCIEモジュールを導入 ・ダイナミックな情報を利用することで、テクスチャの少ない領域をより適切に処理するためのSBMを適用. ・夜間シーンの単眼深度推定の自己教師あり学習おけるSOTAを達成.

結果

RobotCar-NightとnuScenes-Nightのベンチマークにおいて,ベースライン手法に比して93.0%と91.0%改善した.

その他(なぜ通ったか?等)

従来手法では不完全な深度マップしか得られなかったが,本手法においてほぼ完全な深度マップを推定可能であることを示した.