Nov, 2023

神经隐式表示中的单目相机连续姿态

PDF
TL;DR优化时间连续的单目相机姿态的有效性，采用隐式神经函数表示相机姿态，用于下游任务的联合相机姿态优化，提出的方法在四个实验设置中表现显著优于其他基准和现有方法，同时认识到连续运动中的姿态变化可能存在低于 6 个自由度的流形，称之为内在运动，在 vSLAM 设置中展示出强大的相机追踪性能。
monocular camera posesimplicit neural functioncamera pose optimizationvisual simultaneous localization and mapping (vslam)intrinsic motion
发现论文，激发创造
  • NoPose-NeuS：联合优化相机姿态与神经隐式表面的多视图重建

    NoPose-NeuS 是一种将 NeuS 扩展到联合优化相机姿势、几何和颜色网络的神经隐式表面重建方法，通过将相机姿势编码为多层感知器 (MLP) 并引入多视图特征一致性和渲染深度损失，约束学习到的几何来获得更好的相机姿势和场景表面估计。DTU 数据集上的广泛实验表明，该方法能够估计相对准确的相机姿势，同时保持高质量的表面重建，平均 Chamfer 距离为 0.89。

    Dec, 2023

  • 事件摄像头的连续时间视觉惯性里程计

    本文提出了一种基于连续时间表征的事件相机视觉惯性导航融合方法，并证明了该方法在准确性和适用性上优于当前最先进的事件相机视觉导航方法。

    Feb, 2017

  • 连续神经映射：从序列观测中学习隐式场景表示

    本文介绍了一种基于神经网络的连续场景表征学习方法，通过经验回放解决连续场景表征学习中遗忘和准确性的平衡问题。实验证明本方法能够连续地学习和表示场景几何特征。

    Aug, 2021

  • 无监督单目视觉里程计的位姿图优化

    本文提出一种基于无监督学习的单目视觉里程计系统，结合图优化和回路检测，利用神经网络构建一个包含多视图 6DoF 约束的窗口位姿图，并提出了一种姿态周期一致性损失来改善性能和鲁棒性，进而构建全局位姿图进行优化，实验结果表明该方法具有良好的性能和精度。

    Mar, 2019

  • 单幅 RGB 帧的基于语义关键点的姿态估算

    该论文提出了一种从单个 RGB 图像中估计物体连续 6-DoF 姿态的方法，该方法结合了经卷积网络预测的语义关键点和可变形的形状模型，同时采用了半自动数据生成技术来训练可学习组件，在实验中该方法达到了与现有技术相当的结果。

    Apr, 2022

  • 动态单目视频的动态视角合成

    该研究提出了一种基于神经隐式表示及不可导函数的算法，能够从动态场景中的单目视频中生成任意视角和任意输入时间步长下的新视图；通过联合训练一个不变的静态 NeRF 和一个时间变化的动态 NeRF，以及使用正则化约束的方式解决了样本不足的问题，其在大量数据和质量实验效果上获得了良好的表现。

    May, 2021

  • 如何提高基于卷积神经网络的六自由度相机姿态估计

    研究使用卷积神经网络 (CNNs) 和传递学习 (transfer learning) 进行 6 自由度 (6-DoF) 相机位姿估计，通过对数据集特征的研究改进 PoseNet 性能，尤其强调视野对图像分辨率的重要性，给出数据增强方案以减少过拟合，对 LSTM 单元的效果进行了研究，并最终结合这些修改方案优化了单目 CNN 相机姿态估计的性能。

    Sep, 2019

  • 通过连续多模态推断在模糊场景中进行的 6D 相机重定位

    我们提出了一种多模式相机重新定位框架，使用连续混合模型定义在相机位置流形上的模糊不确定性，解决了复杂环境下相机位置回归的局限性，并在新数据集上进行了全面的评估。

    Apr, 2020

  • PoseNet：一种用于实时六自由度相机重定位的卷积网络

    本文提出了一个稳健而实时的单目六自由度重定位系统，使用卷积神经网络训练完成，无需其他工程或优化过程。

    May, 2015

  • 神经隐式稠密语义 SLAM

    提出了一种利用神经隐式场表示解决室内场景语义 V-SLAM 问题的在线框架，并通过多项实验表明其在测试时间具有精确的跟踪、地图绘制和语义标注能力，能够扩展到 RGB 图像输入，为机器人视觉感知及相关问题提供了可行的解决方案。

    Apr, 2023