SIGNet: セマンティックインスタンス支援型非監督3Dジオメトリ認識

非教師ありの学習は、自律システムにとって幾何学的知覚（奥行き、光学フローなど）において非常に重要な研究対象となっています。最近の非教師ありの学習に関する研究では、幾何学的な知覚に大きな進展が見られましたが、物体の一貫性を無視し、暗い環境やノイジーな状況下での性能が劣ることが一般的です。一方で、教師ありの学習アルゴリズムは堅牢ですが、大量のラベル付き幾何学データセットが必要となります。本論文では、SIGNetという新しいフレームワークを紹介します。このフレームワークは、幾何学的なラベル情報を必要とせずに堅牢な幾何学的知覚を提供します。具体的には、SIGNetは意味情報を取り入れることで、物体との一貫性を保ちつつ低照度条件にも堅牢な奥行きとフローパターンの予測を行います。実験結果によると、SIGNetは平方相対誤差で30%向上し、従来の最先端の非教師あり深度予測を超える性能を示しました。特に、動的物体クラスにおける深度予測性能は39%向上し、フローパターン予測性能も29%向上しました。当該コードは https://github.com/mengyuest/SIGNet にて公開されます。注：「非教師あり」は一般的には「unsupervised」（教師なし）と訳されることが多いですが、「unsupervised learning for geometric perception」のように特定の文脈で使用される場合は、「非教師あり」と訳すことで矛盾が生じないよう注意しています。また、「平方相対誤差」（squared relative error）などの専門用語については一般的な日本語表現を使用しています。