LightDepth：カリキュラム学習を活用した真値スパース性に対応するリソース効率的な深度推定手法

ニューラルネットワークの進展により、屋外シーンの深度推定を従来にない精度で実現するための複雑なコンピュータビジョンタスクへの対応が可能になっている。深度推定に関する有望な研究が進められているが、現行の手法は計算リソースを大量に消費する傾向にあり、ロボットやドローンといった自律型デバイスにおけるリソース制約を十分に考慮していない。本研究では、高速かつバッテリー効率に優れた深度推定手法を提案する。本手法は、モデルに依存しないカリキュラムベースの学習戦略を採用している。実験の結果、最先端モデルと同等の精度を達成しつつ、応答時間において他のモデルを71%以上上回ることを確認した。実装コードはすべてオンラインで公開されており、https://github.com/fatemehkarimii/LightDepth から入手可能である。