深度纹理流形用于地面地形识别

Mar, 2018

Deep Texture Manifold for Ground Terrain Recognition

Jia Xue, Hang Zhang, Kristin Dana

TL;DR用 Deep Encoding Pooling Network (DEP) 进行地面地形识别，将无序纹理细节和局部空间信息相结合，超越了现有的先进方法，结果表明该网络在 GTOS-mobile 以及更一般的数据库上都表现出色。

Abstract

We present a texture network called deep encoding pooling network (DEP) for the task of ground terrain recognition. Recognition of ground terrain is an important task in establishing robot or vehicular control pa

deep encoding pooling network ground terrain recognition gtos database texture manifold supervised recognition

发现论文，激发创造

地面材质识别的差分视角

采用微小角度变化捕获增加特征表达的差分角成像，在 GTOS 数据库上使用 TEAN 进行地面材料识别，其识别性能优于单视角和多视角性能。

Sep, 2020

Deep TEN：纹理编码网络

本文提出了一种基于深度学习的纹理编码网络 ——Deep-TEN，该网络集成了一种编码层，并通过端到端的学习框架直接学习词汇表和编码，支持多数据集联合训练，具有很好的纹理和物质识别性能。

Dec, 2016

深度外在流形表示的视觉任务

通过将外在流形表征嵌入到深度神经网络中，Deep Extrinsic Manifold Representation (DEMR) 方法用于视觉任务，不直接优化复杂的测地损失，而是侧重于优化嵌入欧氏空间内的计算图，以适应不同的架构要求；在两种流形类型 ——$SE (3)$ 及其相关商流形上，提供了理论上的可行性、渐近性质和泛化能力的实验证据。DEMR 在点云对齐和光照子空间学习方面表现出良好的适应性。

Mar, 2024

用于单目深度估计的高分辨率合成 RGB-D 数据集

本文使用 Grand Theft Auto (GTA-V) 生成高分辨率的合成深度数据集 (HRSD)，包含 100,000 张彩色图像和相应的密集地面真实深度图，实验结果表明，使用此数据集训练的 DPT 算法在不同场景下的深度估计精度提高了 9％，进一步利用特征提取模块和注意力损失，可以将准确度提高 15％。

May, 2023

GEDepth: 单目深度估计的地面嵌入

该论文提出了一种新颖的地面嵌入模块，以应对单目深度估计中的相机参数与图像影像混合的问题，从而提高其在真实场景中的泛化能力，并在各个测试上取得了最先进的结果和显著的泛化改进。

Sep, 2023

深度语义模型融合在古代农业梯田检测中的应用

通过结合深度语义模型融合方法，以航拍图像和激光雷达生成的地形特征为输入数据，在内盖夫沙漠中实现了对古代农业平台的自动检测和识别。该方法在国际人工智能考古挑战赛中获得第一名。

Aug, 2023

基于深度神经网络的多级纹理编码和表示（MuLTER）

本研究提出了一种多层纹理编码和表示网络（MuLTER），通过多层池化架构，该网络同时利用低级和高级特征以保持纹理细节和空间信息，并支持不同层级特征的融合，从而在纹理描述符领域提高了识别精度。

May, 2019

深度几何纹理合成

本研究提出了一种新的框架，用于学习几何纹理统计知识以生成具备放射性的深层特征，使得可以实现在不同层次上的网格顶点位移及纹理转移。

Jun, 2020

纹理识别、描述和分割的深度滤波器组

本文提出了一种基于可描述纹理数据集的词汇表，用于描述常见的纹理模式，以及一些对应的图像识别技术，包括物体材质和纹理属性的实时识别，并通过将深度模型卷积层用作滤波器进行优化以获得卓越的性能。

Jul, 2015

Mono3DVG: 单目图像中的三维视觉定位

我们介绍了一项新的任务，使用带有外观和几何信息的语言描述在单目 RGB 图像中进行 3D 可视定位。具体而言，我们构建了一个大规模数据集 Mono3DRefer，其中包含具有对应的几何文本描述的 3D 目标，由 ChatGPT 生成并手动改进。为了促进此任务，我们提出了 Mono3DVG-TR，一种利用文本嵌入中的外观和几何信息进行多模态学习和 3D 目标定位的端到端变压器网络。深度预测器旨在明确学习几何特征。提出了双文本引导适配器，用于改进所参考对象的多尺度视觉和几何特征。基于深度 - 文本 - 视觉堆叠注意力，解码器融合了物体级几何线索和视觉外观成为可学习的查询。Mono3DVG 提供了全面的基准测试和一些有见地的分析。广泛的比较和消融研究结果表明我们的方法明显优于所有基线方法。该数据集和代码将在以下链接公开发布：this https URL。

Dec, 2023