論文の概要: End-to-End Visual Odometry with RNNs and Attention
- arxiv url: http://arxiv.org/abs/2609.26188v1
- Date: Mon, 10 Aug 2026 05:19:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.918535
- Title: End-to-End Visual Odometry with RNNs and Attention
- Title（参考訳）: RNNと注意を用いたエンド・ツー・エンドビジュアルオドメトリー
- Abstract要約: ビデオオドメトリー(ビデオオドメトリー、英語: Video Odometry, VO)は、1つまたは複数のカメラからフレームのシーケンスなどの視覚情報を解析することにより、物体のエゴモーションを推定する過程である。
コンピュータビジョンとロボット工学において人気のある研究テーマであり、その応用には移動ロボットシステムや自律運転が含まれる。
本稿では,VOに対する既存のエンドツーエンドのディープラーニングアプローチについて検討し,ベースラインを改善するための新しい時間的注意に基づくモデルを提案する。
- 参考スコア（独自算出の注目度）: 45.751805727544735
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video Odometry (VO) is the process of estimating the ego-motion of an object by analyzing visual information such as a sequence of frames from one or multiple cameras. It has been a popular research topic in computer vision and robotics, and its applications include mobile robotic systems as well as autonomous driving. In this project, we investigate existing end-to-end deep-learning approaches to VO, and propose a novel temporal attention-based model to improve upon the baseline. In addition, while the vast majority of existing deep-learning-based approaches to VO are trained on driving data, we investigate the performance of deep-learning-based VO to the more dynamic and complex problem of hand-held cameras.
- Abstract（参考訳）: ビデオオドメトリー(ビデオオドメトリー、英語: Video Odometry, VO)は、1つまたは複数のカメラからフレームのシーケンスなどの視覚情報を解析することにより、物体のエゴモーションを推定する過程である。
コンピュータビジョンとロボット工学において人気のある研究テーマであり、その応用には移動ロボットシステムや自律運転が含まれる。
本稿では,VOに対する既存のエンドツーエンドのディープラーニングアプローチについて検討し,ベースラインを改善するための新しい時間的注意に基づくモデルを提案する。
さらに,既存のディープラーニングベースのVOアプローチの大部分は,駆動データに基づいてトレーニングされているものの,ディープラーニングベースのVOの性能から,ハンドヘルドカメラのよりダイナミックで複雑な問題まで,その性能について検討する。
関連論文リスト
- Visual Dominance and Emerging Multimodal Approaches in Distracted Driving Detection: A Review of Machine Learning Techniques [3.378738346115004]
引き離された運転は、世界中の道路交通事故と死者の大きな原因であり続けている。
機械学習(ML)とディープラーニング(DL)の最近の進歩は、主に注意散逸を検出する視覚データに焦点を当てている。
本稿では,ML/DL技術を用いた視覚的,センサベース,マルチモーダル,新興モダリティを横断する運転検出のための74つの研究を体系的に評価する。
論文 参考訳（メタデータ） (2025-05-04T02:51:00Z) - VOVTrack: Exploring the Potentiality in Videos for Open-Vocabulary Object Tracking [61.56592503861093]
オープンボキャブラリオブジェクト検出(OVD)とマルチオブジェクトトラッキング(MOT)の複雑さを両立させる。
OVMOT の既存のアプローチは、OVD と MOT の方法論を別個のモジュールとして統合することが多く、主に画像中心のレンズによる問題に焦点を当てている。
VOVTrackは、MOTとビデオ中心トレーニングに関連するオブジェクト状態を統合する新しい手法であり、ビデオオブジェクト追跡の観点からこの問題に対処する。
論文 参考訳（メタデータ） (2024-10-11T05:01:49Z) - Hierarchical and Decoupled BEV Perception Learning Framework for Autonomous Driving [52.808273563372126]
本稿では,基本認識モジュールとユーザフレンドリなグラフィカルインタフェースのライブラリの提供を目的とした,新しい階層的BEV知覚パラダイムを提案する。
我々は,大規模公開データセットと合理化開発プロセスを効果的に活用するために,Pretrain-Finetune戦略を実行している。
また、マルチモジュールラーニング(MML)アプローチを提案し、複数のモデルの相乗的かつ反復的な訓練により性能を向上させる。
論文 参考訳（メタデータ） (2024-07-17T11:17:20Z) - Transformer-Based Model for Monocular Visual Odometry: A Video Understanding Approach [0.0]
カメラのポーズを1台のカメラから撮影した画像から推定することは、モバイルロボットの伝統的なタスクである。
深層学習法は、適切なトレーニングと大量のデータを用いて、一般的なものであることが示されている。
本稿では、時間的自己認識機構に基づくTSformer-VOモデルについて、クリップから特徴を抽出し、その動作をエンドツーエンドに推定する。
論文 参考訳（メタデータ） (2023-05-10T13:11:23Z) - Masked World Models for Visual Control [90.13638482124567]
視覚表現学習と動的学習を分離する視覚モデルに基づくRLフレームワークを提案する。
提案手法は,様々な視覚ロボット作業における最先端性能を実現する。
論文 参考訳（メタデータ） (2022-06-28T18:42:27Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - Perception and Navigation in Autonomous Systems in the Era of Learning:
A Survey [28.171707840152994]
本稿では,自律システムにおける自我運動知覚,環境知覚,ナビゲーションにおける学習に基づく単眼的アプローチの適用について述べる。
まず,従来の視覚的同時ローカライゼーションとマッピング(vSLAM)ソリューションの欠点を概説し,深層学習技術の統合の必要性を示す。
第2に,深層学習に基づく単眼深度推定を含む,深層学習に基づく視覚的環境認識と理解手法について検討する。
第3に、主に強化学習や深層強化学習を含む学習システムに基づく視覚ナビゲーションに焦点を当てる。
論文 参考訳（メタデータ） (2020-01-08T00:28:12Z)
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。