論文の概要: DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras
- arxiv url: http://arxiv.org/abs/2108.10869v1
- Date: Tue, 24 Aug 2021 17:50:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 14:15:35.973765
- Title: DROID-SLAM: Deep Visual SLAM for Monocular, Stereo, and RGB-D Cameras
- Title(参考訳): DROID-SLAM:モノクラー、ステレオ、RGB-DカメラのためのディープビジュアルSLAM
- Authors: Zachary Teed and Jia Deng
- Abstract要約: DROID-SLAMは、新しいディープラーニングベースのSLAMシステムである。
ステレオやRGB-Dビデオを利用して、テスト時にパフォーマンスを向上させることができる。
- 参考スコア(独自算出の注目度): 71.41252518419486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce DROID-SLAM, a new deep learning based SLAM system. DROID-SLAM
consists of recurrent iterative updates of camera pose and pixelwise depth
through a Dense Bundle Adjustment layer. DROID-SLAM is accurate, achieving
large improvements over prior work, and robust, suffering from substantially
fewer catastrophic failures. Despite training on monocular video, it can
leverage stereo or RGB-D video to achieve improved performance at test time.
The URL to our open source code is https://github.com/princeton-vl/DROID-SLAM.
- Abstract(参考訳): ディープラーニングベースのSLAMシステムであるDROID-SLAMを紹介する。
DROID-SLAMは、Dense Bundle Adjustment層を通して、カメラポーズと画素幅の繰り返し更新で構成される。
DROID-SLAMは正確で、以前の作業よりも大幅に改善され、ロバストで、壊滅的な失敗が著しく少ない。
単眼ビデオのトレーニングにもかかわらず、ステレオやRGB-Dビデオを利用してテスト時にパフォーマンスを向上させることができる。
オープンソースコードのURLはhttps://github.com/princeton-vl/DROID-SLAMです。
関連論文リスト
- DCPT: Darkness Clue-Prompted Tracking in Nighttime UAVs [53.64523622330297]
既存の夜間無人航空機(UAV)トラッカーは"Enhance-then-Track"アーキテクチャに従っている。
この分離された拡張と追跡は、エンドツーエンドのトレーニング可能な視覚システムを構築するのに失敗する。
本研究では,夜間の強靭なUAV追跡を効率よく学習し,暗黒手がかりを生成できるDarkness Clue-Prompted Tracking (DCPT)を提案する。
論文 参考訳(メタデータ) (2023-09-19T09:59:08Z) - DynaMoN: Motion-Aware Fast And Robust Camera Localization for Dynamic
NeRF [74.33528897005999]
本研究では,動的なシーンコンテンツを扱うために,モーションマスキングと同時位置決めマッピング(SLAM)を併用したDynaMoNを提案する。
我々の堅牢なSLAMベースのトラッキングモジュールは、動的NeRFのトレーニングプロセスを著しく加速し、同時に合成されたビューの品質を向上させる。
論文 参考訳(メタデータ) (2023-09-16T08:46:59Z) - Volume-DROID: A Real-Time Implementation of Volumetric Mapping with
DROID-SLAM [0.0]
Volume-DROIDは、同時局所化とマッピング(SLAM)のための新しいアプローチである
DROID-SLAM、ポイントクラウド登録、オフザシェルフセマンティックセグメンテーションネットワーク、Convolutional Bayesian Kernel Inference(ConvBKI)を組み合わせたものだ。
我々の手法の重要な革新は、DROID-SLAMとConvolutional Bayesian Kernel Inference (ConvBKI)のリアルタイム融合である。
論文 参考訳(メタデータ) (2023-06-12T03:50:50Z) - Learning a Practical SDR-to-HDRTV Up-conversion using New Dataset and
Degradation Models [4.0336006284433665]
メディア業界では、HDR-WCG(ハイダイナミックレンジワイドカラーガム)を使用すると、SDR-TVアップコンバージョンが要求される。
現在の手法では、薄暗く不飽和な結果をもたらす傾向があり、視聴体験をほとんど改善しない。
我々は,新しいHDRTVデータセット(HDRTV4K)と新しいHDR-to-SDRモデルを提案する。
論文 参考訳(メタデータ) (2023-03-23T04:40:33Z) - Seeing Through The Noisy Dark: Toward Real-world Low-Light Image
Enhancement and Denoising [125.56062454927755]
現実の低照度環境は通常、光やハードウェアの限界が不足しているため、視界が低く、騒音が重い。
我々は、RLED-Net(Real-world Low-light Enhancement & Denoising Network)と呼ばれる新しいエンドツーエンド手法を提案する。
論文 参考訳(メタデータ) (2022-10-02T14:57:23Z) - Orbeez-SLAM: A Real-time Monocular Visual SLAM with ORB Features and
NeRF-realized Mapping [18.083667773491083]
我々は,事前学習をせずに新しいシーンに適応するビジュアルSLAMを開発し,下流タスクのための高密度マップをリアルタイムに生成する。
Orbeez-SLAMは暗黙の神経表現(NeRF)と視覚計測と協調して目標を達成する。
その結果、SLAMは強いベースラインよりも800倍高速で、より優れたレンダリング結果が得られることがわかった。
論文 参考訳(メタデータ) (2022-09-27T09:37:57Z) - RWT-SLAM: Robust Visual SLAM for Highly Weak-textured Environments [1.1024591739346294]
本稿では,この問題を解決するためにRWT-SLAMという新しいビジュアルSLAMシステムを提案する。
低テクスチャ環境下で高密度な点マッチングを生成できるLoFTRネットワークを改良し,特徴記述子を生成する。
結果のRWT-SLAMは、TUMやOpenLORISなど、さまざまな公開データセットでテストされる。
論文 参考訳(メタデータ) (2022-07-07T19:24:03Z) - Deep Parametric 3D Filters for Joint Video Denoising and Illumination
Enhancement in Video Super Resolution [96.89588203312451]
本稿では,Deep Parametric 3D Filters (DP3DF) と呼ばれる新しいパラメトリック表現を提案する。
DP3DFは、ローカル情報を組み込んで、単一エンコーダ/デコーダネットワークにおいて、同時復調、照明強化、SRを効率的に実現している。
また、動的残留フレームを共有バックボーンを介してDP3DFと共同で学習し、SR品質をさらに向上させる。
論文 参考訳(メタデータ) (2022-07-05T03:57:25Z) - Differentiable SLAM-net: Learning Particle SLAM for Visual Navigation [15.677860200178959]
SLAM-netは、粒子フィルタに基づくSLAMアルゴリズムを微分可能なグラフに符号化する。
SLAMアルゴリズムを通じて、タスク指向ニューラルネットワークコンポーネントをバックプロパゲートすることで学習する。
雑音条件下で広く適応したORB-SLAMを著しく上回る。
論文 参考訳(メタデータ) (2021-05-17T03:54:34Z) - Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic
Skip Connection Network [80.67717076541956]
アンダーディスプレイカメラ(UDC)システムは、スマートフォン上で真のベゼルレスおよびノッチフリーの視聴体験を提供します。
典型的なUDCシステムでは、ピクセルアレイはカメラ上の入射光を減衰および回折し、画像品質の大幅な低下をもたらす。
本研究では,前述の劣化問題の解析と対処を目的とする。
論文 参考訳(メタデータ) (2021-04-19T18:41:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。