@techreport{oai:ipsj.ixsq.nii.ac.jp:00242260,
 author = {佐藤, 駿 and 澤田, 隼 and 大村, 英史 and 桂田, 浩一},
 issue = {34},
 month = {Jan},
 note = {深層学習による画像からの深度推定は，計測機器を必要としない手法として注目されている．室内環境では周囲を見渡すことのできる広画角な画像が有効だが，画像中心部から周辺部にかけて物体サイズが急激に変化するため，従来の固定カーネルによる畳み込みでは十分な特徴抽出が困難である．本研究では，入力特徴量に基づいてカーネルのサンプリングポイントを動的に調整可能な変形畳み込みを深度推定モデルに導入し，広画角画像における物体形状の変化に対応する手法を提案した．90度から165度までの複数画角を含むデータセットでの実験により，150度までの広画角画像に対して変形畳み込みの優位性が段階的に向上することを示した．また，カーネルの変形を可視化することで，物体の大きさに応じた適切な変形が行われていることを確認した．},
 title = {自己教師あり学習を用いた広画角深度推定モデルのための変形畳み込みの活用},
 year = {2025}
}