ニューラルネットワークを使用して画像の距離を推定する

Question

ニューラルネットワークを使用して静止画像またはビデオストリームの距離を推定することは可能ですか？

私はビデオ出力と距離測定を提供するレーザーレンジャーファインダーを持っています。しかし、距離測定にはレーザーを環境に照射する必要がありますが、これは必ずしも理想的ではありません。私はこれを "パッシブ"モードに切り替えるオプションを持っています。このモードでは、画像をニューラルネットワークに供給し、レーザを起動する必要なしに距離を推定します。ネットワークは最初、アクティブモードでレンジャーファインダからの画像+距離のペアで訓練される。

私はニューラルネットワークの専門家ではありません。Googleは画像分類と姿勢推定を使用してニューラルネットワークに多くの用途を見出していますが、私は距離推定のための先行技術を見つけることができません。これは実用的なようですか、私は時間を無駄にしていますか？ Nピクセルあたり1つの入力を持つ基本的なフィードフォワードネットワークで十分でしょうか、別のアーキテクチャが必要でしょうか？

Answer 1

はい、トレーニングのための真実のデータがあると仮定して、可能です。早ければ2006年に、この主題に関する出版物があったが、マルコフランダムフィールドを使用した。あなたはhereを読むことができます。最近ではConvolutional Neural NetworksとDeep Convolutional Neural Fieldsで行われました。これらの3つの例は、画像上のすべての単一ピクセルの深さを推定するので、それらのそれぞれに対して正しい測定が必要です。

平面ファインダーを使用している場合は、レーザーの解像度に応じて、画像のさまざまな列の正確な奥行きを取得できます。これは、完全な画像ではなく、画像の1行のピクセルでNNを訓練する必要があることを意味します。シーン全体の深さを抽出するには、通常、双眼カメラやKinectのようなものを使用します（もちろん、トレーニングのためだけです）。