Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

No Pose Estimation? No Problem: Pose-Agnostic and Instance-Aware Test-Time Adaptation for Monocular Depth Estimation

Created by
  • Haebom
Category
Empty

저자

Mingyu Sung, Hyeonmin Choe, Il-Min Kim, Sangseok Yun, Jae Mo Kang

개요

단일 RGB 이미지로부터 픽셀 단위의 깊이를 추론하는 단안 깊이 추정(MDE)은 다양한 AI 응용 분야에서 중요한 역할을 한다. 실제 환경에서 MDE 모델은 훈련 환경과 다른 조건에서 배포되어야 하는 경우가 많으며, 이를 해결하기 위한 효과적인 방법 중 하나는 테스트 시간(도메인) 적응(TTA)이다. 본 논문에서는 MDE를 위한 새로운 고성능 TTA 프레임워크인 PITTA를 제안한다. PITTA는 (i) 카메라 자세 정보 없이 MDE를 위한 자세 불가지론적 TTA 패러다임과 (ii) 인스턴스 인식 이미지 마스킹을 포함한다. 또한 입력 이미지와 깊이 맵에 대한 간단하지만 효과적인 에지 추출 방법을 제시한다. DrivingStereo 및 Waymo 데이터셋에 대한 광범위한 실험을 통해 PITTA가 TTA 동안 MDE에서 기존의 최첨단 기술을 능가하는 성능 향상을 보였다.

시사점, 한계점

•
시사점:
◦
카메라 자세 정보 없이 효과적인 TTA 수행 가능.
◦
인스턴스 인식 마스킹을 통해 동적 객체에 대한 적응력 향상.
◦
에지 추출을 통한 성능 향상.
◦
다양한 환경 조건에서 기존 기술 대비 우수한 성능 입증.
•
한계점:
◦
학습된 panoptic segmentation network에 의존.
◦
특정 데이터셋(DrivingStereo, Waymo)에 대한 성능 평가.
◦
모델의 일반화 성능에 대한 추가적인 연구 필요.
👍
Made with Slashpage