Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Graph Attention-Driven Bayesian Deep Unrolling for Dual-Peak Single-Photon Lidar Imaging

Created by
  • Haebom

作者

Kyungmin Choi, JaKeoung Koo, Stephen McLaughlin, Abderrahim Halimi

概要

本論文は,マルチターゲットが存在する雑音環境における単一光子LiDARイメージング問題を解決するために深層ニューラルネットワークを用いたディープアンローリングアルゴリズムを提案する。従来の統計的方法は解析可能性は高いが複雑なシーン処理に困難を経験し、深層学習ベースの方法は精度と剛性は優れているが解析可能性が不足したり、ピクセル当たり単一ピークのみ処理する限界がある。本研究では,階層的ベイジアンモデルと二重深度マップ表現を導入し,幾何学的深層学習を利用して点群から特徴を抽出するディープアンローリングアルゴリズムを提示した。これにより、統計的方法と学習ベースの方法の利点を組み合わせて、精度と不確実性の定量化を同時に達成します。合成および実際のデータ実験結果は、従来の方法と比較して競争力のある性能を示し、不確実性情報まで提供することを示しています。

Takeaways、Limitations

•
Takeaways：
◦
マルチターゲット環境における単一光子LiDARイメージング性能の向上：デュアル深度マップ表現と幾何学的深層学習による精度向上
◦
不確実性の定量化：統計的方法の利点を活用して結果の不確実性を定量的に提供します。
◦
統計的手法と深い学習の利点の組み合わせ：解析の可能性と精度を同時に確保します。
•
Limitations：
◦
提案された方法の一般化性能のさらなる検証が必要である。
◦
実際の環境における様々な雑音と複雑さのための追加実験の必要性
◦
計算コストが高くなる可能性があります。
👍
Made with Slashpage