서지주요정보
Context-guided depth completion via deep learning = 영상 정보를 이용한 심층학습 기반 깊이 정보 완성법
서명 / 저자 Context-guided depth completion via deep learning = 영상 정보를 이용한 심층학습 기반 깊이 정보 완성법 / ByeongUk Lee.
저자명 Lee, ByeongUk ; 이병욱
발행사항 [대전 : 한국과학기술원, 2019].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8033800

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MEE 19051

SMS전송 소장위치

도서상태

이용가능

대출가능

반납예정일

초록정보

In this thesis, we present an end-to-end convolutional neural network (CNN) for depth completion. We aim to solve to major issues for effective depth completion. The first issue is to properly propagate the input depth samples. The second issue is to perform proper refinement of the initially propagated dense depth map. Our corresponding network consists of a geometry network, a convolutional spatial propagation network, and a context network. The geometry network, a single encoder-decoder network, learns to optimize a multi-task loss to generate an initial propagated depth map and a surface normal. The complementary outputs allow it to correctly propagate initial sparse depth points in slanted surfaces. The convolutional spatial propagation network learns the 8-way propagation affinity weights for better propagation from the input depth samples. The context network extracts a local and a global feature of an image to compute a bilateral weight, which enables it to preserve edges and fine details in the depth maps. We revisit and apply the traditional weighted median filter, with using the bilateral weight learnt from the context network. In order to validate the effectiveness and the robustness of our network, we performed extensive ablation studies and compared the results against state-of-the-art CNN-based depth completions, where we showed promising results on various scenes.

본 논문에서는 깊이 정보 완성법을 위한 심층학습 신경망 모델을 제시한다. 우리는 효과적인 깊이 완성법을 위하여 두 가지 문제로 나누어 접근하고자 하는데, 첫 번째 문제는 입력된 비어있는 깊이 정보를 올바르게 전파하는 것, 그리고 두 번째는 이렇게 잘 전파시킨 완성된 깊이 지도를 영상 정보를 이용하여 더 자세하게 보정, 보완하는 것이다. 이에 우리가 제시하는 모델은 geometry 네트워크, CSPN 네트워크 및 context 네트워크로 구성된다. Geometry 네트워크는 단순한 encoder-decoder 형태로서, 깊이 정보뿐만 아니라 표면 법선 정보를 동시에 추정함으로써 기하학적인 정보를 이용하여 깊이 정보 완성을 수행하는 역할을 한다. CSPN 네트워크는 입력된 비어있는 깊이 정보들로 부터 주위 8개 방향으로 뻗어나가는 보간의 하중을 학습함으로써 보다 정확한 깊이 정보 완성을 수행한다. 마지막으로 context 네트워크는 이미지의 로컬 및 글로벌 특징을 추출하고 이를 이용하여 양방향 상수 지도를 생성하며, 이러한 상수 지도를 이용해 전통적인 가중치 중앙 필터를 적용함으로써 잡음을 제거하는 동시에 가장자리 정보를 보존할 수 있도록 한다. 우리 네트워크의 효과와 정확성을 검증하기 위해 다양한 실험을 수행하고, 다른 심층학습 기반 깊이 정보 완성법들과 비교하여 다양한 측면에서 더 좋은 결과를 얻어내었다.

서지기타정보

서지기타정보
청구기호 {MEE 19051
형태사항 iv, 27 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 이병욱
지도교수의 영문표기 : Kweon, In So
지도교수의 한글표기 : 권인소
학위논문 학위논문(석사) - 한국과학기술원 : 전기및전자공학부,
서지주기 References : p. 24-25
주제 Depth completion
depth estimation
deep learning
image-guided filtering
weighted median filter
깊이 정보 완성법
깊이 정보 추정
심층학습
영상 정보 기반 필터링
무게 중간값 필터
QR CODE qr code