- AAAI渐变正则化对比学习,用于连续领域适应
本研究旨在解决深度神经网络在动态环境下机器学习算法中的持续领域适应问题。为此,我们提出了 Gradient Regularized Contrastive Learning (GRCL) 并在 Digits、DomainNet 和 Offi - 我们准备好了吗?—— 学习基数估计
本研究旨在探讨学习模型在实际部署中替代基于传统方法的概数估计器的潜力。通过对四个实际数据集进行五种学习方法和八种传统方法的比较,结果显示学习模型更加准确但训练和推理成本较高。此外,我们探究了学习模型在动态环境下的表现和可能出现的问题,并提出 - 动态室内环境下基于空间分区的相机重定位的鲁棒神经路由
本文提出了一种新的基于异常值感知神经树的相机定位算法,通过对室内场景进行层次化空间划分和深度学习的路由函数实现更好的三维场景理解,同时使用异常值拒绝模块来过滤掉动态点,并在 RIO-10 基准测试中达到了比现有技术更高的相机姿态精度。
- MM自我更新模型带有误差修正
提出用于动态环境下智能修正和自我更新的数据处理系统的框架,称为 Self-Updating Models with Error Remediation(SUMER),通过半监督学习和噪声处理技术,自我更新模型以适应新数据,并使用 error - 通过知情策略正则化在动态环境下学习自适应探索策略
本文研究了学习探索 - 利用策略来适应动态环境的问题,并提出了一种使用信息策略对 RNN-based 策略进行训练的新算法来规范化训练,从而显著减少了训练样本的复杂性。这种方法学习了一些探索策略,使其可以高效地平衡对于未知和变化的任务中获取 - ICLRBabyAI++: 初探基于实体的语言学习
该研究针对强化学习中的新环境和动态环境,通过使用描述性文本探究使用教育性文本是否有助于代理在这些环境下的泛化,并通过 BabyAI++ 开发了一种基于视觉语言学习的新方法,实验结果表明,使用描述性文本可以提高 RL 代理在不同动态环境下的泛 - 基于光流的动态稠密 RGB-D SLAM 系统 FlowFusion
研究使用光流残差技术实现动态语义感知的 RGB-D 环境下的 SLAM,同时实现动静分割、相机运动估计和静态背景重建。实验证明该方法在动态和静态环境中都比现有的方法具有更高的精度和效率。
- CVPR大规模动态户外场景的实时重建
该研究提出了一种实时重建大规模戶外动态环境的端到端系统,可以在维持追踪动态物体姿态信息和保证实时运行的情况下,提供具有高质量的密集 3D 重建效果。
- ICML在动态环境中使用条件自回归模型进行规划
本文演示了使用条件自回归生成模型(van den Oord 等人,2016a)在离散潜在空间(van den Oord 等人,2017b)上进行 MCTS 的前向规划的方法。通过在包含不同难度级别、移动目标和障碍物的新环境中测试该方法,高质 - 利用点相关性在动态环境中进行 RGB-D SLAM
本文提出了一种同时定位与地图构建方法,能够在动态环境下消除移动物体的影响,该方法利用地图点之间的相关性将静态场景点与移动物体点分组,并依此进行运动估计,实验证明该方法能在动态环境下保证鲁棒和准确性。
- DS-SLAM:面向动态环境的语义视觉 SLAM
本文提出一种名为 DS-SLAM 的鲁棒的语义视觉 SLAM 方法,旨在解决动态环境下的 SLAM 问题,通过将语义分割网络与运动一致性检查方法相结合,提高了在动态环境下的本地化精度,同时生成了一个稠密的语义八叉树地图,可用于高级任务中。经 - ECCV用立体视觉进行语义化三维物体和自我运动跟踪,用于自动驾驶
本文提出了一种基于立体视觉的方法,用于在动态自动驾驶情景下跟踪摄像机姿态和三维语义对象,该方法使用易于标注的二维检测和离散视点分类结合轻量级语义推理方法获取粗略的三维物体测量,并基于当前的物体感知相机姿态跟踪实现物体位置的估计与 3D 建模 - CubeSLAM:单目三维物体 SLAM
本文介绍了一种方法,用于在静态和动态环境下单个图像的三维立方体物体检测和多视图对象 SLAM,并展示了两个部分如何互相改进,对单个图像物体检测,我们从 2D 边界框和消失点采样中生成高质量的 cuboid 提议,并根据与图像边缘的对齐性对提 - 无人机摄影指导
本文提出了一种在动态环境中以满足电影和物理约束为目标的自动或交互式规划四轴飞行器运动的技术,基于 Drone Toric Space 设计了一种摄像机参数空间,并提出了一种特定的路径规划技术,最后在多个用例中展示了我们方法的交互和自动化能力 - ICCV基于空间正则化区域建议网络的无人机物体计数
本文提出了一种基于空间布局和 Layout Proposal Networks 技术的目标计数和定位方法,能够准确识别和定位无人机拍摄的视频中的目标物体,同时通过提出了一个新的大型数据集来评估该方法。
- 响应式多上下文系统:动态环境中的异构推理
本文介绍了一种名为 “反应性多语境系统” 的框架,它能够支持异构知识源和数据流的连续推理,解决了异构知识可能导致的一致性问题,并允许使用优化的计算语义以避免潜在的非确定性。同时考察了与 rMCSs 相关的各种推理问题的计算复杂度,并探讨了其 - MM一种基于答案集编程的交互式查询响应系统
本文介绍了基于响应式答案集编程的交互式查询应答系统的设计与实现,可用于处理动态环境下的数据流。
- 分布式粒子滤波的去中心化传感器融合
本文介绍了一种可扩展的贝叶斯技术,用于在动态环境中从多个平台进行去中心化状态估计。通过严格分散的方法并通过互动通信协议促进信息流,实现仅在附近平台之间交换信息和在分布式监视方案的上下文下进行评估,其结果展示了对大型车队的前所未有的可扩展能力 - 变化中的社会学习
该研究旨在研究动态环境中在社交网络中学习的模型,研究了三种代理行为模型,并探讨了最优响应动态的长期影响,提出了次终极预测模型,比最优响应模型更有效。
- 动态环境下移动机器人的马尔可夫定位
本文介绍了一种针对动态环境的 Markov 定位算法,它能够在表征机器人环境中所有位置的概率密度的基础上精确地确定机器人的位置,并且能够从弱化的环境模型和嘈杂的传感器中恢复定位。