Fugu-MT 論文翻訳(概要): Deep Patch Visual Odometry

論文の概要: Deep Patch Visual Odometry

arxiv url: http://arxiv.org/abs/2208.04726v1
Date: Mon, 8 Aug 2022 04:47:38 GMT
ステータス: 処理完了
システム内更新日: 2022-08-10 12:45:10.451865
Title: Deep Patch Visual Odometry
Title（参考訳）: Deep Patch Visual Odometry
Authors: Zachary Teed, Lahav Lipson and Jia Deng
Abstract要約: DPVOは2倍から5倍の速さで動きながら正確で堅牢である。標準ベンチマークの評価を行い、すべての先行作業(古典的または学習的)を精度と速度の両方で上回ります。
参考スコア（独自算出の注目度）: 66.8086971254714
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose Deep Patch Visual Odometry (DPVO), a new deep learning system for monocular Visual Odometry (VO). DPVO is accurate and robust while running at 2x-5x real-time speeds on a single RTX-3090 GPU using only 4GB of memory. We perform evaluation on standard benchmarks and outperform all prior work (classical or learned) in both accuracy and speed. Code is available at https://github.com/princeton-vl/DPVO.
Abstract（参考訳）: 本稿では,モノクラービジュアルオドメトリー(VO)のための新しいディープラーニングシステムであるDeep Patch Visual Odometry (DPVO)を提案する。 DPVOは4GBのメモリしか使用せず、RTX-3090の1つのGPU上で2x-5倍の高速で動作する。標準ベンチマークの評価を行い、すべての先行作業(古典的または学習的)を精度と速度の両方で上回ります。コードはhttps://github.com/princeton-vl/DPVOで入手できる。

関連論文リスト

Real-Time 3D Occupancy Prediction via Geometric-Semantic Disentanglement [8.592248643229675]
運転予測は自律運転(AD)において重要な役割を担っている既存の手法はしばしば高い計算コストを発生させるが、これはADのリアルタイム要求と矛盾する。ハイブリッドBEV-Voxel表現を用いた幾何学的意味的デュアルブランチネットワーク(GSDBN)を提案する。
論文参考訳（メタデータ） (2024-07-18T04:46:13Z)
PaPr: Training-Free One-Step Patch Pruning with Lightweight ConvNets for Faster Inference [11.112356346406365]
PaPrは、軽量なConvNetを使用して、最小限の精度で冗長なパッチを実質的に刈り取る方法である。 FLOPカウントの低減に類似した、最先端のパッチリダクション法よりもはるかに高い精度を実現している。
論文参考訳（メタデータ） (2024-03-24T05:50:00Z)
a novel attention-based network for fast salient object detection [14.246237737452105]
現在の有向物体検出ネットワークにおいて、最も一般的な方法はU字型構造を用いることである。 3つのコントリビューションを持つ新しい深層畳み込みネットワークアーキテクチャを提案する。提案手法は, 精度を損なうことなく, 原サイズの1/3まで圧縮できることを示した。
論文参考訳（メタデータ） (2021-12-20T12:30:20Z)
Design and Scaffolded Training of an Efficient DNN Operator for Computer Vision on the Edge [3.3767251810292955]
FuSeConvは深度的に分離可能な畳み込みの代替となる。 FuSeConvは、その空間と深さの次元に沿って畳み込みを完全に分解する。 Neural Operator Scaffoldingは、深度的に分離可能な畳み込みからの知識を蒸留することでFuSeConvのトレーニングを行う。
論文参考訳（メタデータ） (2021-08-25T19:22:25Z)
FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
論文参考訳（メタデータ） (2021-03-08T03:09:37Z)
Exploring Data Augmentation for Multi-Modality 3D Object Detection [82.9988604088494]
ポイントクラウドとイメージに基づくマルチモダリティメソッドは、ポイントクラウドのみを使用するアプローチよりも、わずかに良いか、時には悪いだけである。トランスフォーメーションフローと呼ばれるパイプラインを提案し、トランスフォーメーションのリバースとリプレイによってシングルモードとマルチモードのデータ拡張のギャップを埋める。また,本手法は第3回nuScenes検出チャレンジでPKL賞を受賞した。
論文参考訳（メタデータ） (2020-12-23T15:23:16Z)
CodeVIO: Visual-Inertial Odometry with Learned Optimizable Dense Depth [83.77839773394106]
本稿では,軽量で密結合の深い深度ネットワークと視覚慣性オドメトリーシステムを提案する。我々は、初期深度予測の精度を高めるために、以前にVIOから切り離されたスパース特徴を持つネットワークを提供する。本稿では,ネットワークとコードヤコビアンでのみGPUアクセラレーションを活用しながら,シングルスレッド実行でリアルタイムに動作可能であることを示す。
論文参考訳（メタデータ） (2020-12-18T09:42:54Z)
Regularized Densely-connected Pyramid Network for Salient Instance Segmentation [73.17802158095813]
我々は、エンドツーエンドの有能なインスタンスセグメンテーション(SIS)のための新しいパイプラインを提案する。ディープネットワークにおけるリッチな特徴階層をよりよく活用するために、正規化された高密度接続を提案する。マスク予測を改善するために,新しいマルチレベルRoIAlignベースのデコーダを導入し,多レベル特徴を適応的に集約する。
論文参考訳（メタデータ） (2020-08-28T00:13:30Z)
Deep Isometric Learning for Visual Recognition [67.94199891354157]
我々は、標準的な画像認識ベンチマークで驚くほど優れたパフォーマンスを達成するために、深いバニラConvNetをトレーニングできることを示します。私たちのコードはhttps://github.com/HaozhiQi/ISONet.comで公開されています。
論文参考訳（メタデータ） (2020-06-30T17:53:13Z)

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。