지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.11
- 수록면
- 928 - 935 (8page)
- DOI
- 10.5302/J.ICROS.2023.23.0119
이용수
초록· 키워드
오류제보하기
Estimating a high-quality depth map from a single RGB image is a challenging task due to its ill-posed nature. Recently, two dominant trends in computer vision have been the subject of extensive research: attention mechanisms and multi-layer perceptron (MLP)-based vision models. Attention mechanisms, especially multi-head attention (MHA), have demonstrated significant improvements in depth estimation. MHA excels in capturing long-distance information and pixel relationships, yet its complexity quadratically increases with spatial resolution. Consequently, applying MHA to unmanned aerial vehicles with limited hardware resources is infeasible. In contrast, MLP-based vision models offer faster inference due to their linear computational complexity concerning spatial resolution. However, the inherent weakness of the MLP’s inductive bias can hinder generalization without a substantial amount of data. Moreover, the absence of location-dependent local dependencies can hinder the precise estimation of locally detailed depth maps. To address these challenges, this study introduces a novel module called EPsMLP (Enhanced Parallel sparse-MLP), which consists of three parallel branches, including sparse-MLP, local sparse attention, and channel attention. This module can capture global and local dependencies while benefiting from the inductive bias on locality. Furthermore, multi-scale convolutions are used to extract context at various scales for diverse objects. The architecture adopts an encoder-decoder-based structure, incorporating a pre-trained DenseNet-121 encoder. Experimental evaluations were conducted using the NYU-Depth-V2 and KITTI datasets, which are commonly used in monocular depth estimation. The extensive results demonstrate that our network is more efficient and effective than previously proposed methods.
목차
Abstract
I. 서론
II. 관련 연구
III. 단안 이미지 깊이 추정 신경망
IV. 실험 및 결과
IV. 결론 및 향후 연구계획
REFERENCES
참고문헌 (27)
참고문헌 신청
C.-H. Park and H.-Y. Choi, “Efficient depth estimation network for autonomous indoor UAVs," Proc. of 2023 The 38th ICROS Annual Conference (ICROS 2023), Samcheok, Korea, pp. 767-770, June 2023.
A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. Gomez, N. Adian, L. Kaiser, and I. Polosukhin, “Attention is all you need," Proceedings of Advances in Neural Information Processing Systems (NeurIPS), vol. 30, 2017.
I. O. Tolstikhin, N. Houlsby, A. Kolesnikov, L. Beyer, X. Zhai, T. Unterthiner, J. Yung, A. Steiner, D. Keysers, and J. Uszkoreit, “MLP-mixer: An all-mlp architecture for vision," Proceedings of Advances in Neural Information Processing Systems (NeurIPS),
J. Hu, L. Shen, and G. Sun, “Squeeze and excitation networks," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 7132-7141, 2018.
W. S. Park, J. Y. Lee, and I. S. Kweon, “CBAM: Convolutional Block Attention Module," Proceedings of the European Conference on Computer Vision (ECCV), pp. 3-19, 2018.
A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. Gomez, N. Adian, L. Kaiser, and I. Polosukhin, “Attention is all you need," Proceedings of Advances in Neural Information Processing Systems (NeurIPS), vol. 30, 2017.
I. O. Tolstikhin, N. Houlsby, A. Kolesnikov, L. Beyer, X. Zhai, T. Unterthiner, J. Yung, A. Steiner, D. Keysers, and J. Uszkoreit, “MLP-mixer: An all-mlp architecture for vision," Proceedings of Advances in Neural Information Processing Systems (NeurIPS),
J. Hu, L. Shen, and G. Sun, “Squeeze and excitation networks," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 7132-7141, 2018.
W. S. Park, J. Y. Lee, and I. S. Kweon, “CBAM: Convolutional Block Attention Module," Proceedings of the European Conference on Computer Vision (ECCV), pp. 3-19, 2018.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
MLP 네트워크를 통한 3D 메쉬 텍스쳐 맵 생성 기법
한국방송미디어공학회 학술발표대회 논문집
2024 .06
-
Hybridized dragonfly, whale and ant lion algorithms in enlarged pile’s behavior
Smart Structures and Systems, An International Journal
2020 .01
-
단일 카메라 영상을 이용한 MLP 기반 변형률 예측 기법
대한건축학회 학술발표대회 논문집
2022 .10
-
희소 LiDAR 의 Cross Attention 을 통한 경량 단안 깊이 추정
제어로봇시스템학회 논문지
2024 .08
-
지역성 정보 추가에 따른 낮은 귀납적 편향을 가진 MLP-Mixer의 분류 성능 비교
한국통신학회 학술대회논문집
2022 .06
-
뇌파와 MLP 알고리즘을 이용한 치매 진단에 대한 연구
대한기계학회 춘추학술대회
2018 .04
-
과거 영상에 대한 단안 깊이 추정 기법의 성능평가
대한전자공학회 학술대회
2021 .06
-
Predicting the Performance of Blower Systems using Multi-Layer-Perceptron(MLP) Architecture with Real Data
한국유체기계학회 학술대회 논문집
2024 .12
-
MLP를 이용한 3D 필름 패턴 영상의 품질 검사
융합신호처리학회 논문지
2024 .09
-
Monocular Depth Estimation 기반 새로운 헤이지 영상 깊이 추정 방법
대한전자공학회 학술대회
2023 .06
-
Deep Learning Based Monocular Depth Estimation: Survey
Journal of Positioning, Navigation, and Timing
2021 .12
-
가솔린엔진에서 LP-EGR 의 MLP 모델을 이용한 실시간 상태추정
제어로봇시스템학회 국내학술대회 논문집
2019 .05
-
MLP-Mixer 기반 자동 변조 인식 연구
한국통신학회 학술대회논문집
2024 .06
-
Ensembles of neural network with stochastic optimization algorithms in predicting concrete tensile strength
Steel and Composite Structures, An International Journal
2022 .10
-
CNN-ViT 통합 모듈을 이용한 Two-Branch 백본 기반 깊이 완성 연구
한국자동차공학회논문집
2024 .07
-
열화상 이미지를 이용한 딥러닝 기반 단안 카메라 깊이 추정 연구
제어로봇시스템학회 국내학술대회 논문집
2024 .07
-
단안 깊이 추정 네트워크 모델의 채널 프루닝 적용을 위한 분석
대한전자공학회 학술대회
2023 .06
-
주의집중기술을 활용한 무인항공기 경사 이미지 깊이 추정 신경망
대한전자공학회 학술대회
2022 .06
-
빅데이터를 활용한 하절기 평일의 시간대별 전력부하예측 신경망 모형
조명·전기설비학회논문지
2019 .12
-
Analyzing Computational Efficiency of Diverse Sparse Attention Mechanisms
한국정보과학회 학술발표논문집
2021 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-088336185