CH-001
深度と深度勾配の相互変換によるMulti-task learningを活用した教師なし単眼深度推定の提案

◎髙嶺　潮・遠藤聡志（琉球大）

単眼深度推定は不良設定問題であるためヒューリスティクスな特徴量に依存し精度の確保が難しい．それに加え，深度の正解データが入手困難であることから，教師なし学習手法の開発に注目が集まっている．教師あり学習においてはMulti-task learningが精度向上に貢献することが判明しているが，情報選定の必然性の担保が難しく，教師なし学習に最適化したモデルは未だ少ない．そこで深度と深度勾配の相互変換を活用することで教師なし学習へ適用が可能なMulti-task learningモデルを提案する．本論文では提案モデルを既存の教師なし学習に適用することで改善を試みる．