D2NT: A High-Performing Depth-to-Normal Translator

要約

タイトル：高性能な深度から法線への変換機D2NT
要約：
– 表面法線は視覚環境認識において重要であり、豊富な幾何情報の源として機能する。
– しかし、現状の表面法線推定器（SNEs）は、効率と精度の間で満足できないトレードオフを抱えている。
– 解決策として、本論文では、3D座標を計算せずに、深度画像を表面法線マップに直接変換できる超高速深度から法線への変換機（D2NT）を提供する。
– 次に、不連続領域に対応した勾配（DAG）フィルタを提案し、勾配の推定精度を向上させることができる。
– 最後に、任意の深度から法線のSNEsに容易に統合できる表面法線微調整モジュールを提案し、表面法線推定精度を大幅に向上させる。
– 提案されたアルゴリズムは、現存するリアルタイムSNEの中で最高の精度を示し、効率と精度の状態でSoTAのトレードオフを達成する。

要約(オリジナル)

Surface normal holds significant importance in visual environmental perception, serving as a source of rich geometric information. However, the state-of-the-art (SoTA) surface normal estimators (SNEs) generally suffer from an unsatisfactory trade-off between efficiency and accuracy. To resolve this dilemma, this paper first presents a superfast depth-to-normal translator (D2NT), which can directly translate depth images into surface normal maps without calculating 3D coordinates. We then propose a discontinuity-aware gradient (DAG) filter, which adaptively generates gradient convolution kernels to improve depth gradient estimation. Finally, we propose a surface normal refinement module that can easily be integrated into any depth-to-normal SNEs, substantially improving the surface normal estimation accuracy. Our proposed algorithm demonstrates the best accuracy among all other existing real-time SNEs and achieves the SoTA trade-off between efficiency and accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI