Moving Indoor: 挑戦的な環境下における教師なし動画深度学習

最近、動画から深度を無教師学習する手法は顕著な進展を遂げており、KITTIなどの屋外シーンにおいては完全教師あり手法と同等の結果が得られている。しかし、手元カメラによる撮影や、白い壁などテクスチャが乏しい広範囲の領域、透明なガラスや光沢のある物体など、室内環境では依然として大きな課題が残っている。これらの問題を克服するため、本研究では光学フローに基づく新たな教師なし学習の訓練フレームワークを提案する。この手法は、明確な学習目標を提供することで教師なし学習の難易度を低減し、テクスチャの欠如する領域に対しても効果的に対処できる。実験評価の結果、本手法はNYU Depth V2ベンチマークにおいて完全教師あり手法と同等の性能を達成した。知られている限り、これは室内データセットにおいて純粋な教師なし学習手法が得た初めての定量的成果である。