本研究では、継続的ステレオマッチングの問題を提起する。継続的ステレオマッチングとは、1) 新しい場面を継続的に学習し、2) 以前に学習した場面を忘れずに、3) 推論時に連続的にディスパリティを予測することを目的とする。
提案手法のReusable Architecture Growth (RAG)は以下の特徴を持つ:
実験では、様々な天候、道路、都市環境下でRAGが優れた性能を発揮し、より困難な cross-dataset 設定でも最先端手法を上回ることを示している。さらに、未知の場面への適応性も確認された。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Chenghao Zha... at arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00360.pdfDeeper Inquiries