Enhancement of 3D Camera Synthetic Training Data with Noise Models

要約

このペーパーの目的は、イメージング プロセスのノイズをモデル化し、それを合成トレーニング データに適用することで、3D カメラでキャプチャされたデータのノイズの影響を評価することです。
ノイズ モデルを取得するために、特別に構築されたシーンのデータセットを編集しました。
特に、画像平面内のキャプチャされた点の位置に影響を与える横方向ノイズと、画像平面に垂直な軸に沿った位置に影響を与える軸方向ノイズをモデル化します。
推定されたモデルを使用して、合成トレーニング データのノイズをエミュレートできます。
人工ノイズを追加することによるさらなる利点は、オブジェクトのセグメンテーション用にレンダリングされたデータを使用した実験で評価されます。
データ内のさまざまなレベルのノイズを使用して一連のニューラル ネットワークをトレーニングし、実際のデータを一般化する能力を測定します。
この結果は、ノイズの使用が少なすぎたり多すぎたりすると、ネットワークのパフォーマンスに悪影響を与える可能性があることを示しており、実際のスキャナからノイズのモデルを取得することが合成データ生成に有益であることを示しています。

要約(オリジナル)

The goal of this paper is to assess the impact of noise in 3D camera-captured data by modeling the noise of the imaging process and applying it on synthetic training data. We compiled a dataset of specifically constructed scenes to obtain a noise model. We specifically model lateral noise, affecting the position of captured points in the image plane, and axial noise, affecting the position along the axis perpendicular to the image plane. The estimated models can be used to emulate noise in synthetic training data. The added benefit of adding artificial noise is evaluated in an experiment with rendered data for object segmentation. We train a series of neural networks with varying levels of noise in the data and measure their ability to generalize on real data. The results show that using too little or too much noise can hurt the networks’ performance indicating that obtaining a model of noise from real scanners is beneficial for synthetic data generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google