論文の概要: Salient Sparse Visual Odometry With Pose-Only Supervision

• arxiv url: http://arxiv.org/abs/2404.04677v1
• Date: Sat, 6 Apr 2024 16:48:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 20:00:13.120312
• Title: Salient Sparse Visual Odometry With Pose-Only Supervision
• Title（参考訳）: Pose-Only Supervision を用いたサルトスパース視力計測
• Authors: Siyu Chen, Kangcheng Liu, Chen Wang, Shenghai Yuan, Jianfei Yang, Lihua Xie,
• Abstract要約: 視覚計測(VO)は自律システムのナビゲーションに不可欠である。 従来のVOメソッドは、可変照明や動きのぼやけといった課題に対処する。 ディープラーニングベースのVOは、より適応性が高いが、新しい環境での一般化問題に直面する可能性がある。 本稿では,ポーズのみの監視を生かした新しいハイブリッド・ビジュアル・オドメトリー(VO)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 45.450357610621985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual Odometry (VO) is vital for the navigation of autonomous systems, providing accurate position and orientation estimates at reasonable costs. While traditional VO methods excel in some conditions, they struggle with challenges like variable lighting and motion blur. Deep learning-based VO, though more adaptable, can face generalization problems in new environments. Addressing these drawbacks, this paper presents a novel hybrid visual odometry (VO) framework that leverages pose-only supervision, offering a balanced solution between robustness and the need for extensive labeling. We propose two cost-effective and innovative designs: a self-supervised homographic pre-training for enhancing optical flow learning from pose-only labels and a random patch-based salient point detection strategy for more accurate optical flow patch extraction. These designs eliminate the need for dense optical flow labels for training and significantly improve the generalization capability of the system in diverse and challenging environments. Our pose-only supervised method achieves competitive performance on standard datasets and greater robustness and generalization ability in extreme and unseen scenarios, even compared to dense optical flow-supervised state-of-the-art methods.
• Abstract（参考訳）: 視覚オドメトリ(VO)は自律システムのナビゲーションに不可欠であり、適切なコストで正確な位置推定と方向推定を提供する。 従来のVOメソッドはいくつかの条件で優れているが、可変照明や動きのぼやけといった問題に悩まされている。 ディープラーニングベースのVOは、より適応性が高いが、新しい環境での一般化問題に直面する可能性がある。 これらの欠点に対処するため、ポーズのみの監視を活かし、ロバストネスと広範囲なラベリングの必要性のバランスのとれたソリューションを提供する、新しいハイブリッドビジュアル・オドメトリー(VO)フレームワークを提案する。 ポーズのみのラベルから光学フロー学習を向上するための自己教師付きホモグラフィック事前学習と、より正確な光学フローパッチ抽出のためのランダムなパッチベースサルエント点検出戦略の2つのコスト効果と革新的設計を提案する。 これらの設計は、トレーニングのための密集した光フローラベルの必要性を排除し、多様で挑戦的な環境でシステムの一般化能力を大幅に改善する。 提案手法は,高密度な光学的流れ制御手法と比較して,標準データセット上での競合性能と,極端かつ目に見えないシナリオにおけるロバスト性や一般化能力の向上を実現している。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Debiasing Multimodal Large Language Models [61.6896704217147]
  LVLM(Large Vision-Language Models)は、コンピュータビジョンや自然言語処理において欠かせないツールとなっている。 本研究は,入力画像に先行するLarge Language Models (LLM) の影響を主に受け,生成したコンテンツに有意なバイアスが生じることを示す。 これらのバイアスを是正し、視覚情報に対するモデルの焦点をリダイレクトするために、我々は2つの単純で訓練のない戦略を導入する。
  論文  参考訳（メタデータ） (2024-03-08T12:35:07Z)
• Optical Flow for Autonomous Driving: Applications, Challenges and Improvements [0.9023847175654602]
  学習に基づく光フローアルゴリズムを改善するためのトレーニング戦略を提案し,評価する。 合成データを訓練しながら、このモデルは現実世界の魚眼データに一般化する強力な能力を示す。 低光域における既存手法の性能を大幅に向上させる,新しい汎用的な半教師付きフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-11T12:01:42Z)
• Self-Aligned Concave Curve: Illumination Enhancement for Unsupervised Adaptation [36.050270650417325]
  ハイレベルビジョンのための学習可能な照明強調モデルを提案する。 実際のカメラ応答関数にインスパイアされた照明強調関数は凹凸曲線であると仮定する。 我々のモデルアーキテクチャとトレーニングデザインは相互に恩恵を受け、強力な教師なし正規-低照度適応フレームワークを形成する。
  論文  参考訳（メタデータ） (2022-10-07T19:32:55Z)
• Imposing Consistency for Optical Flow Estimation [73.53204596544472]
  プロキシタスクによる一貫性の導入は、データ駆動学習を強化することが示されている。 本稿では,光フロー推定のための新しい,効果的な整合性戦略を提案する。
  論文  参考訳（メタデータ） (2022-04-14T22:58:30Z)
• Low-light Image Enhancement by Retinex Based Algorithm Unrolling and Adjustment [50.13230641857892]
  本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。 提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。 一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-02-12T03:59:38Z)
• Generalizing to the Open World: Deep Visual Odometry with Online Adaptation [27.22639812204019]
  本稿では,シーン非依存な幾何計算とベイズ推論の助けを借りて,ディープvoのオンライン適応フレームワークを提案する。 本手法は,自己監視型VO法における最先端の一般化能力を実現する。
  論文  参考訳（メタデータ） (2021-03-29T02:13:56Z)
• Joint Unsupervised Learning of Optical Flow and Egomotion with Bi-Level Optimization [59.9673626329892]
  エピポーラ幾何を用いた光学フローとカメラモーションのグローバルな関係を利用する。 我々は暗黙の微分を用いて、その実装とは無関係に低レベルの幾何最適化層を通してバックプロパゲーションを可能にする。
  論文  参考訳（メタデータ） (2020-02-26T22:28:00Z)

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。