生成的特徴量の角度依存性に着目した視点角度推定の精度向上

• Item type: SIG Technical Reports(1)
• 公開日: 2022-01-20
• タイトル: 生成的特徴量の角度依存性に着目した視点角度推定の精度向上
• タイトル / 言語: en
• タイトル: Improving the Accuracy of Viewpoint Angle Estimation by Focusing on the Angle Dependence of Generative Features
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 視点・識別
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京大学大学院情報理工学系研究科
• 著者所属: 東京工業大学／デンソーITラボラトリ
• 著者所属: 東京工業大学／デンソーITラボラトリ
• 著者所属: 東京大学大学院情報理工学系研究科
• 著者名: チェン, マーク; 川上, 玲; 佐藤, 育郎; 苗村, 健
• 著者名(英): Mark, Chen; Rei, Kawakami; Ikuro, Sato; Takeshi, Naemura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 画像の視点角度推定は，ロボットの行動決定や物体認識精度の向上に役立つ．視点角度推定の際，教師データを用いて角度の回帰を学習すると同時に，生成タスクを補助的に使用し，推定精度を向上させる従来法が存在する．これは，ある画像を入力した際，そのインスタンスを別の視点から見た画像として再構成するタスクを補助的に使うことで，視点角度によって見え方が変化する幾何構造の学習が進み，より正確な視点角度推定が可能になることに基づく．本稿では，視点角度推定の回帰に必要な情報のみを効率よく逆伝播させるため，上記の生成的なデコーダに入力する潜在特徴を，視点角度によって変化するものと不変のものに分割する．また，用いる画像を左右反転させたものも学習に用いるデータ拡張と自己教師あり学習を導入する．これらの工夫により，特に教師ラベルが少ない場合に，既存手法の角度推定の精度を大幅に改善できることを実験的に示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Estimating the viewpoint angle of an image is useful for determining robot actions and improving the accuracy of object recognition. An existing method improves the accuracy of viewpoint-angle estimation by learning angle regression with supervised data and using a generation task as an auxiliary. The generation task, which reconstructs an instance of a given image as an image viewed from a different viewpoint, enhances the learning of the geometric structure caused by the viewpoint changes. In this paper, we improve the method by dividing the latent features into those that are variant and invariant to the viewpoint changes. This can efficiently back-propagate only the information necessary for the regression of viewpoint angle estimation. The latent features input to the generative decoder for the generation task are divided into those that vary with viewpoint angle and those that are invariant. In addition, we introduce a data augmentation that exploits the symmetric characteristics of the objects in the images. We experimentally show that these ideas can significantly improve the accuracy of angle estimation of the existing method, particularly when there is little supervision in training.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2022-CVIM-228, 号 28, p. 1-7, 発行日 2022-01-20
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会