2019 Fiscal Year Annual Research Report
| Project/Area Number |
18H03263
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
飯山 将晃 京都大学, 学術情報メディアセンター, 准教授 (70362415)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | コンピュータビジョン / 3次元計測 / 散乱 |
|---|
| Outline of Annual Research Achievements |
散乱により劣化した画像からシーンの三次元情報を復元する手法として、本年度はToFカメラからの距離画像の計測、および深層学習を用いた散乱除去と深度画像推定に関する研究を行った。
ToFカメラからの距離画像の計測については、ToFカメラで観測される位相画像と振幅画像を、散乱の無いクリーンな成分と散乱に起因する成分の和からなるモデルで表現し、さらに散乱に起因する成分がカメラからシーンまでの距離が一定以上である背景領域については定数であると仮定することで、この2つの成分の分離を反復処理によって行う手法を研究した。ToFでは散乱によって著しく計測精度が低下することが知られていたが、我々が開発した手法により安価な装置（Kinectなど）でも十分な精度で計測が可能となる。
また、深層学習を用いた散乱除去と深度画像推定に関する研究では、未知の単一光源が存在するという環境を想定して、この環境を再現するシミュレータの開発とシミュレータで生成される画像を教師データとした学習モデルの構築を行った。従来よりDehazeNetなど深層学習ベースの手法が提案されているが、我々の手法は、（従来と比較してより複雑な散乱モデルを必要とする）未知の点光源環境を想定している点、一度クリーンな成分と散乱成分に分離した情報を再度合成して元の劣化画像を生成する構造を学習時に取り入れた点で新規性があり、現在精度を検証中であるが現時点では一定の精度向上を確認している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
散乱現象下における計測手法については学習を用いるアプローチ、用いないアプローチの両方を研究しているが、いずれも一定の成果をあげている。特に後者については2018年度の成果がトップジャーナル(TPAMI）に掲載され、2019年度の成果についても英文論文誌に掲載が決まっている。
|
| Strategy for Future Research Activity |
今後は、学習ベースの手法を中心に開発を進めていく予定である。シミュレータによる教師用データ生成については目処が立ったので、今後は距離画像生成モデルの改良と学習を中心に研究を進めて行く予定である。
また、当初の研究計画にあった水中での実証についても装置の改良を進めながら（当初予定よりスケジュールを早めて）年度内に着手する予定である。
|
