depth sensing | BriefGPT - AI 论文速递

关键词depth sensing

搜索结果 - 13

SGE：基于灰码和事件相机的结构光系统
通过将格雷码引入事件式结构光系统，我们采用了一种高速、准确的深度估计方法，充分利用传感器带宽，实现了与最先进的扫描方法相媲美的精确度，并在数据采集速度上超越它们（提高了多达 41 倍），而不牺牲准确性。我们的方法为超高速、实时和高精度的深度
PDF4 months ago
TransTouch：透明物体的深度感知学习与稀疏触摸
通过使用触觉反馈的探测系统自动收集稀疏深度标签并对立体网络进行微调，结合触觉深度监督和基于置信度的正则化以优化深度感知，特别是对于透明物体而言，在真实世界中显著提高了深度感知的准确性。
PDF10 months ago
RT-MonoDepth: 嵌入式系统上的实时单目深度估计
在本文中，我们提出了两种高效且轻量级的编码器 - 解码器网络结构，RT-MonoDepth 和 RT-MonoDepth-S，用于降低嵌入式系统上的计算复杂性和延迟，以实现实时深度估计。我们的方法论表明，在单个 RGB 图像的更快推断速度下
PDF10 months ago
ESL: 基于事件的结构光
使用事件相机的结构光系统通过优化空时一致性能量函数，可以更准确、快速地进行深度感知，相对于预言式算法可以更好地处理高速运动和降低误差。
PDF3 years ago
CVPRMirror3D：针对镜面表面的深度细化
本研究创建了 Mirror3D 数据集，以解决深度传感和三维重建中镜面反射表面所造成的问题，并开发了 Mirror3DNet 模块以准确的预测镜面的深度。实验证明 Mirror3DNet 能够有效地减少各种输入深度数据中的误差。
PDF3 years ago
物理序列织物操作的视觉空间预测
该研究使用视觉预测框架来学习能在不同任务中重复使用的织物动力学，使用这种方法可以在织物平整和折叠任务中提高效率，并在物理上完成连续织物折叠任务。
PDF3 years ago
适用于透明和反光物体抓取的多模态迁移学习
通过多模态感知的学习提高透明和有光泽物体的抓取性能，无需真实试验。
PDF4 years ago
CVPR超越激光雷达范围的深度感知
为了提高自动驾驶安全性，研究在不需要完全预先校准的情况下，利用小视场摄像头，通过新算法计算度量深度，实现了长距离物体场景下高精度的深度图输出。
PDF4 years ago
ICCV深度端到端匹配和细化用于时差自动调焦 RGB-D 模块
本文提出了一种基于深度学习的框架，用于对移动 RGB 相机配备的飞行时间（ToF）传感器进行在线校准和对齐以及复杂误差校正。通过将 RGB 图像和 ToF 幅度图之间进行交叉模态光流估计以进行对齐，并通过一个改进的内核预测网络直接回归时间飞
PDF5 years ago
利用有条件代价体积标准化的立体匹配网络融合 3D LiDAR 和立体视觉
提出了一种利用 LiDAR 和立体相机实现深度感知的方法，该方法基于立体匹配神经网络，引入输入融合和条件成本体积规范化技术，实现了两种传感器信息的有效融合，实验结果表明，该方法在多个融合策略中表现优异，而且在计算时间和模型大小方面增加的开销
PDF5 years ago
CVPR组相关立体网络
本文提出了使用分组相关来构建成本体积，并改进了三维堆叠沙漏网络，以用于立体匹配的深度感知，通过实验证明在 Scene Flow、KITI 2012 和 KITTI 2015 数据集上，该方法优于之前的方法。
PDF5 years ago
FastDepth：嵌入式系统上的快速单目深度估计
本文提出了一种在嵌入式系统上实现快速单视图深度估计的高效轻量级编码器 - 解码器网络架构，涉及深度感知、机器人任务以及神经网络等关键词。在使用 NVIDIA Jetson TX2 GPU 或仅使用 TX2 CPU 时，FastDepth 可
PDF5 years ago
神经网络 RGB->D 感知：从视频摄像机中获得深度和不确定性
本文提出了一种基于深度学习和贝叶斯滤波的方法，从单目视频流中连续估计每个像素的深度和不确定度概率分布，通过积累时间降低深度不确定度，提高准确性和鲁棒性，该方法可将普通 RGB 相机转换成 RGB-D 相机，并实现更为精确、稳定、泛化性更好的
PDF5 years ago