2달 전

스파시티 불변 CNNs

Jonas Uhrig; Nick Schneider; Lukas Schneider; Uwe Franke; Thomas Brox; Andreas Geiger
스파시티 불변 CNNs
초록

본 논문에서는 희소 레이저 스캔 데이터에서 깊이 업샘플링을 위한 응용을 고려하면서 희소 입력에 작동하는 합성곱 신경망(CNN)에 대해 다룹니다. 먼저, 전통적인 합성곱 신경망이 결측치의 위치 정보가 제공되더라도 희소 데이터에 적용될 때 성능이 저하됨을 보입니다. 이 문제를 해결하기 위해, 결측치의 위치를 합성곱 연산 과정에서 명시적으로 고려하는 간단하면서도 효과적인 희소 합성곱 계층을 제안합니다. 우리는 제안된 네트워크 구조가 다양한 기준 접근법과 비교하여 합성 및 실제 실험에서 우수한 성능을 발휘함을 입증합니다. 밀집형 기준 모델과 비교할 때, 제안된 희소 합성곱 네트워크는 새로운 데이터셋으로의 일반화 능력이 우수하며, 데이터의 희소도에 무관하게 안정적인 성능을 보입니다. 평가를 위해, KITTI 벤치마크에서 93,000장의 깊이 주석이 달린 RGB 이미지를 포함하는 새로운 데이터셋을 도출했습니다. 우리의 데이터셋은 도전적인 실제 환경에서 깊이 업샘플링 및 깊이 예측 기술을 훈련하고 평가할 수 있는 기반을 제공하며, 출판 시 공개될 예정입니다.

스파시티 불변 CNNs | 최신 연구 논문 | HyperAI초신경