Feb, 2024

视觉陀螺仪：深度学习特征与直接对齐相结合的全景稳定化

PDF
TL;DR通过使用全景图像提出一种基于视觉陀螺仪的新技术，结合三种不同方法准确估计相机的姿态，并在不同航空器上对其进行定量和定性验证。
发现论文，激发创造
  • 迈向高效的视觉陀螺仪：用于球面相机应用的球面矩、谐波滤波和遮罩技术

    提出了一种新颖的视觉陀螺仪方法，结合了分析方法和神经网络方法，从球面图像中提供更高效准确的旋转估计，实验结果表明该方法在准确度上具有卓越性能并强调了融合机器学习以优化分析方案的优势。

    Apr, 2024

  • 基于多投影融合的深度 360 度光流估计

    本文介绍了一种使用多投影融合框架的深度神经网络来估计 360 度光流的方法，以解决全景表示在卷积神经网络中的畸变问题。同时，建立了第一个大规模的全景光流数据集，并证明了该方法在性能上优于现有的方法和其他处理 360 度内容的深度网络。

    Jul, 2022

  • 360° 视频深度和相机运动的自监督学习

    本论文提出了一种新颖的自监督学习方法来从 360 度视频中预测全向深度和相机运动，通过转换图像类型，提出全视角光度一致性约束和相机姿态一致性误差等方法来提高视频运行速度，同时实现了比等面投影更快速的深度预测和相机运动估计。

    Nov, 2018

  • 使用深度学习去噪 IMU 陀螺仪用于开环姿态估计

    提出了一种使用地面真实数据学习陀螺仪去噪、实时估计机器人导航（定位）方向的方法，基于扩张卷积神经网络，通过识别高频惯性数据的关键点以及在方向增量上采用适当的损失函数的方式，该算法超越了现有技术在看不见的测试数据上的性能表现。此策略为惯性测量单位上的学习法提供了新思路。

    Feb, 2020

  • 消除盲区：将 3D 物体检测和单目深度估计应用于 360° 全景图像

    本研究提出了一种处理全景图像的深度学习算法，通过样式和投影转换，重新训练和调整现有的算法，从单目全景图像中恢复场景深度和车辆的三维姿态，大大提高了无人驾驶汽车使用全景摄像头时的准确性。

    Aug, 2018

  • 360 度可学习代价卷积的立体深度估计

    提出一种新的神经网络架构，用于解决 360° 图像中的球面视差问题，并通过学习可移位滤波器构建代价体积以缓解失真问题，实验结果表明其对现有算法具有较好的鲁棒性和准确性。

    Nov, 2019

  • GyroFlow：基于陀螺仪引导的无监督光流学习

    本论文提出了一种融合了陀螺仪数据和图像内容进行光流学习的基于深度学习的框架，并设计了自我引导融合模块来引导网络集中在运动细节上。实验证明，该方法在正常和困难情况下均优于现有方法。

    Mar, 2021

  • 面向真实世界全景图像生成的弱监督拼接网络

    提出了一种基于深度学习的缝合模型，采用弱监督学习机制训练，实现对多个鱼眼图像的 360 度输出，通过色彩一致性校正、畸变校正和图像融合实现，其训练采用感知损失和 SSIM 损失函数，在两个真实的缝合数据集上进行了有效性验证。

    Sep, 2022

  • 360 度全景图的快照角度预测

    通过智能旋转球形图像，开发一种基于强化学习算法的深度循环神经网络模型，以更少的计算量生成更具视觉吸引力的 360 度全景图。

    Mar, 2018

  • 通过非局部稠密预测转换器和联合监督和自监督学习提高 360 单 ocular 深度估计

    本文提出了一个 360 度深度估计的方法，结合自监督学习和有监督学习，并使用全局信息编码的视觉 transformer 实现全局非局部融合块，提高了深度估计的准确性和整体效果。在多个基准测试中，我们的方法在之前的研究工作中取得了显著的改进和最先进的表现。

    Sep, 2021