要約
近年、ロボット工学や自動運転における応用が期待されることから、自己教師付き単眼深度推定は活発な研究対象となっている。最近の多くの研究では、モデルのアーキテクチャの複雑さを高めることで深度推定の性能を向上させることが主なアプローチである。本論文では、モデルの複雑さを増加させることなく、学習プロセスの改善によっても最先端の性能を達成できることを示す。具体的には、(i) 学習時に小さな動的物体とみられる可能性のあるオブジェクトを無視すること、および (ii) 真に動的なオブジェクトについて、外観に基づくアプローチを用いて個別にオブジェクトの姿勢を推定することを提案する。実験により、これらの簡略化手法がGPUメモリ使用量を29%削減し、定性的・定量的に優れた深度マップの生成を実現できることを示した。本研究のコードは、https://github.com/kieran514/Dyna-DM にて公開されている。