深さ、表面法線、およびセマンティックセグメンテーション間のパターン親和性伝播

本論文では、深度、表面法線、およびセマンティックセグメンテーションを同時予測するための新しいPattern-Affinitive Propagation（PAP）フレームワークを提案します。このアイデアの背景には、パターン親和性ペアが異なるタスク間でも同一のタスク内でも頻繁に再現されるという統計的な観察があります。したがって、クロスタスク伝播とタスク固有伝播の2種類の伝播を行って、これらの類似パターンを適応的に拡散させることができます。前者は非局所的な関係性の計算を通じて各タスクに適合するクロスタスク親和性パターンを統合します。後者は特徴空間内で反復的な拡散を行い、クロスタスク親和性パターンがタスク内で広範囲に拡散されるようにします。これにより、各タスクの学習は補完的なタスkleレベルの親和性によって規則化され、性能が向上します。多数の実験結果から、当手法が3つのタスクにおいて効果的であり優れていることが示されています。さらに、NYUD-v2、SUN-RGBD、KITTIという3つの関連データセットにおいて最先端または競争力のある結果を得ています。注：「クロスタスク」は「cross-task」、「タスkleレベル」应该是「タスクレベル」，这里可能是一个打字错误，请确认是否需要修正。