講演抄録/キーワード |
講演名 |
2020-12-10 13:30
4Dライトフィールド映像を用いた奥行き推定 ○木下貴裕・小野智司(鹿児島大) AI2020-1 |
抄録 |
(和) |
4D ライトフィールド(LF)画像を用いた奥行き(視差)推定は,ここ数年,活発に研究されている.従来研究では,静的な 4D LF 画像を用いた奥行き推定に焦点が当てられており,時間情報が利用されておらず,LF 映像を用いて奥行きを推定する研究は行われていない. 本論文では,4D LF 映像を用いた奥行き推定を目的としたエンドツーエンドの学習を可能にするニューラルネットワークアーキテクチャを提案する.また,深層学習モデルを十分に訓練可能な中規模 4D LF 映像データセットを構築する.合成映像および実撮影映像の双方を用いた実験により,時間情報を活用することでノイズが多い領域の奥行き推定が可能であることを示した. |
(英) |
Depth (disparity) estimation from 4D Light Field (LF) images has been a research topic for the last couple of years. Most studies have focused on depth estimation from static 4D LF images while not considering temporal information, i.e., LF videos. This paper proposes an end-to-end neural network architecture for depth estimation from 4D LF videos. This study also constructs a medium-scale 4D LF videos dataset that can be used for training deep learning-based methods. Experimental results have shown that temporal information contributes to the improvement of depth estimation accuracy in noisy regions. |
キーワード |
(和) |
ライトフィールド映像 / ライトフィールドデータセット / 奥行き推定 / 深層ニューラルネットワーク / / / / |
(英) |
light field video / light field dataset / depth estimation / deep neural network / / / / |
文献情報 |
信学技報, vol. 120, no. 281, AI2020-1, pp. 1-6, 2020年12月. |
資料番号 |
AI2020-1 |
発行日 |
2020-12-03 (AI) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
AI2020-1 |
研究会情報 |
研究会 |
AI |
開催期間 |
2020-12-10 - 2020-12-10 |
開催地(和) |
オンライン+アクトシティ浜松研修交流センター401会議室(楽器博物館の建物の4階) |
開催地(英) |
Online and HAMAMATSU ACT CITY |
テーマ(和) |
「新しい日常を支えるAIシステム実現のための基礎技術と応用」および一般 |
テーマ(英) |
Foundations and application technologies for AI systems on the new normal |
講演論文情報の詳細 |
申込み研究会 |
AI |
会議コード |
2020-12-AI |
本文の言語 |
日本語 |
タイトル(和) |
4Dライトフィールド映像を用いた奥行き推定 |
サブタイトル(和) |
|
タイトル(英) |
Study on Depth Estimation from 4D Light Field Videos |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ライトフィールド映像 / light field video |
キーワード(2)(和/英) |
ライトフィールドデータセット / light field dataset |
キーワード(3)(和/英) |
奥行き推定 / depth estimation |
キーワード(4)(和/英) |
深層ニューラルネットワーク / deep neural network |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
木下 貴裕 / Takahiro Kinoshita / キノシタ タカヒロ |
第1著者 所属(和/英) |
鹿児島大学 (略称: 鹿児島大)
Kagoshima University (略称: Kagoshima Univ.) |
第2著者 氏名(和/英/ヨミ) |
小野 智司 / Satoshi Ono / オノ サトシ |
第2著者 所属(和/英) |
鹿児島大学 (略称: 鹿児島大)
Kagoshima University (略称: Kagoshima Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-12-10 13:30:00 |
発表時間 |
25分 |
申込先研究会 |
AI |
資料番号 |
AI2020-1 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.281 |
ページ範囲 |
pp.1-6 |
ページ数 |
6 |
発行日 |
2020-12-03 (AI) |