Moving SLAM: Fully Unsupervised Deep Learning in Non-Rigid Scenes
摘要
作者提出了一种可无监督训练的深度学习网络,该网络输入视频流,输出3D场景信息(camera 和depth)、运动目标及其运动信息。传统的SLAM存在一个强假设:目标是静止的。这种刚性场景假设限制了模型预测的性能。作者提出了一种简单的解决方案:将图像的局部区域作为刚性场景,对每个区域,预测不同的pose,计算不同区域的误差,进而优化网络参数。对于每个区域,预测一个6D的motion。在KITTI数据集上,无监督的里程计和深度估计,取得了state-of-the-art的结果。
实验