Federated Online Adaptation for Deep Stereo

要約

ディープステレオネットワークを協調的に適応させるための新しいアプローチを紹介します。
フェデレーション ラーニングの原則を構築することで、さまざまな環境に展開されている多数のクライアントに最適化プロセスを要求できる分散フレームワークを開発します。
これにより、リソースに制約のあるデバイス上で実行されるディープ ステレオ ネットワークの場合、同じアーキテクチャの他のインスタンスによって実行される適応プロセスを利用することが可能になり、その結果、たとえそのデバイス上で適応を実行できない場合でも、困難な環境での精度を向上させることができます。
自分の。
実験結果は、フェデレーテッド アダプテーションがオンデバイス アダプテーションと同等に機能し、困難な環境に対処する場合にはさらに優れたパフォーマンスを発揮することを示しています。

要約(オリジナル)

We introduce a novel approach for adapting deep stereo networks in a collaborative manner. By building over principles of federated learning, we develop a distributed framework allowing for demanding the optimization process to a number of clients deployed in different environments. This makes it possible, for a deep stereo network running on resourced-constrained devices, to capitalize on the adaptation process carried out by other instances of the same architecture, and thus improve its accuracy in challenging environments even when it cannot carry out adaptation on its own. Experimental results show how federated adaptation performs equivalently to on-device adaptation, and even better when dealing with challenging environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google