Nianticが3Dマップの新たな生成技術を発表、LiDAR等を使わずスマホカメラのみで利用可能

コメント

選択しているユーザー

• 山崎 俊彦

  東京大学 大学院情報理工学系研究科電子情報学専攻　教授

  ・2021年07月23日

  CVPR2021に採択された技術。驚くべきなのはこのような技術が隠されることなく、オープンソースとして世の中に出回り、気軽に再現実験できる世界ができたこと。

注目のコメント

• Kato Jun

  ユーザベース SPEEDAアナリスト

  ・2021年07月22日

  動画からの生成。移動したときに動く量が違うから、それで生成するのだろう。加速度センサーや、スマホのマルチカメラを使っているのか。もし使っていないでこれだったら、こういった補完的な情報を増やすともっと精度を上げられそう。
  あとは間接的に計測するという観点で、その速さと、LiDARなどと併せたときの相性やどう組み合わせたり、齟齬があった時の優先設計などがポイントになるのでは？
  にしても、スマホカメラレベルでできることが本当に多い。「写メール」から約20年、もっとも進化したデジタル部品ではないかと思う。
• 塚本 幸一郎

  株式会社フジクラ 全社デジタル戦略ディレクター

  ・2021年07月22日

  深層学習、LiDARに携わる方は、興味深い示唆を得られると感じます。
  
  以下GitHub日本語訳）
  
  我々が提案するManyDepthは、テスト時にシーケンス情報が利用可能な場合に、それを利用することができる高密度奥行き推定への適応的なアプローチである。マルチビューステレオにヒントを得て、自己教師のみを用いて学習される、エンドツーエンドのコストボリュームに基づくディープアプローチを提案する。また、移動体の場合など、コストボリュームの信頼性が低いと判断された場合に、ネットワークがコストボリュームを無視するように促す新しい一貫性損失と、静止したカメラに対処するための拡張スキームを提案する。KITTIとCityscapesの両方で行った詳細な実験によると、テスト時に単一または複数のフレームを使用するものを含め、公表されているすべての自己教師付きベースラインを上回る結果が得られました。