论文笔记
文章平均质量分 93
paprikkk_
这个作者很懒,什么都没留下…
展开
-
论文笔记 Unsupervised Scale-consistent Depth Learning from Video
2021[IJCV] Unsupervised Scale-consistent Depth Learning from Video [code] (Extended version of NeurIPS 2019) [Project webpage] ????contributions:(1)几何一致性loss,让网络预测尺度一致性的深度,惩罚相邻视野间深度的不一致性(第一个讨论尺度一致性的)(2)一种自我发现的mask,自动定位违反基本静态场景假设并在训练时产生噪声的运动物体。(3)在KI原创 2021-07-09 13:21:24 · 2019 阅读 · 0 评论 -
论文笔记 Depth from videos in the wild: Unsupervised monocular depth learning from unknown cameras
深度估计中的三大问题:物体运动(有场景是静态的假设)、遮挡、需要内参。本文解决了上述问题,因而减少了监督信号、提升了从无标签的视频中预测深度和运动的质量。contributions(1)以无监督的方式从网络中预测相机内参,包括镜头畸变;(2)首次以几何的方式从预测的深度直接解决了遮挡问题;(3)大大减少了处理场景中移动元素所需的语义理解量,只需要一个覆盖运动物体像素的单个掩码。方法用一个深度图和相机矩阵将两个相邻视频帧联系到一起,z,R,t是由网络预测得到的。PPP的空间位置为 P=[X原创 2021-06-21 23:55:46 · 1064 阅读 · 0 评论 -
论文笔记 Digging into self-supervised monocular depth estimation
问题提出大规模地获取单像素的真值深度数据有挑战性,为了克服这个困难,提出了一个自监督学习的单目深度估计的方法。contributions对已有方法有一些改进,在定性和定量上改进了深度图。模型简单,本文提出了(1)表面匹配loss,为了解决使用单目监督时的像素遮挡问题(2)为减少视觉伪影的全分辨率多尺度采样方法(3)自动遮罩方法用于忽略在单目训练时没有观测到相对相机运动的像素。现有的方法:有监督的深度估计:结合局部的预测,无参数的场景采样,端到端的有监督学习等。自监督的深度估计:通过最小化图像的原创 2021-06-16 13:55:29 · 876 阅读 · 0 评论 -
论文笔记 Unsupervised Learning of Depth and Ego-Motion from Video
2017 CVPR概述提出了一个从非结构化的视频序列中估计单目深度和相机运动的无监督的学习框架。方法建立在只有场景几何和相机姿势的中间预测与真实相对应时,几何视图合成系统才能始终表现良好,因此将整个视图合成pipeline定为CNN。用KITTI数据集训练,在Make3D数据集上评价泛化能力假设:1)场景是静止的没有移动的物体 2)目标视图和源视图之间没有遮挡物和去除遮挡物 3)表面是朗伯曲面,因此一致性误差有意义系统优势:1)单目深度的表现和使用真值姿势或深度进行训练的有监督方法相当 2)在原创 2021-06-04 22:15:21 · 424 阅读 · 0 评论 -
VINS-MONO论文笔记第一篇——IV预处理和V初始化
VINS-MONO总摡:系统从一个鲁棒的估计器初始化开始,一种紧耦合的、非线性的优化方法通三级标题四级标题五级标题六级标题原创 2021-04-27 19:25:45 · 288 阅读 · 0 评论 -
论文笔记A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Inte
现有方法的分类3. Odometry Estimation3.1 VO关注点在多帧之间的相对位姿计算,深度学习被用来以端到端的方式建模运动动力学,或以混合的方式提取有用的特征来支持预先建立的系统。分类:① end-to-end VO :supervised VO and unsupervised VO 训练数据有无真值标签② hybrid VO:深度学习与传统VO算法的结合。3.1.1 Supervised Learning of VO输入是连续的图片,输出是两帧之间估计的旋转和平移。直接从原创 2021-04-09 13:36:19 · 1302 阅读 · 0 评论