monocular images | BriefGPT

关键词monocular images

搜索结果 - 32

ICCV不使用显式三维运动估计的复杂动态场景密集深度估计
本文提出了一种基于光流和稀疏深度先验的方法，将动态场景模型假设为分段平面模型，计算其局部刚性变换和尽可能刚性的全局变换，无需显式估计 3D 旋转和平移即可高效恢复场景的深度密集图，适用于广泛的场景。
PDF5 years ago
单目 3D 目标检测的正交特征转换
本文采用正交特征变换的方式将图像特征映射到三维空间，从而让我们能够在一个具有一致尺度和可推断真实距离的领域中全面考虑场景的空间配置，运用于端到端的深度学习架构中，在 KITTI 3D 物体基准测试上实现了最先进的性能。
PDF6 years ago
UnDEMoN 的更深入了解：深度和自我运动估计的非监督深度网络
本文提出一种基于无监督深度学习框架 UnDEMoN，用于直接从单目图像中确定密集深度图和 6 自由度相机姿态信息的方法。我们通过引入一个新的目标函数，同时最小化空间和时间重建损失，使用双线性采样核定义这些损失，并使用 Charbonnier
PDF6 years ago
构造感知完全卷积神经网络的对抗学习用于地标定位
通过结构感知的全卷积网络以及 GAN 的显式 / 隐式学习策略，该论文提出了一种解决单目图像中姿态估计问题的方法，并在 2D 和 3D 姿态估计以及人脸重要标识等相关任务上显著优于现有方法。
PDF7 years ago
对抗 PoseNet：一种结构感知的卷积网络，用于人体姿态估计
本文使用结构感知卷积网络来隐式地将人体结构的先验信息纳入深度网络的训练，以便在单目图像中实现更好的人体姿态估计。
PDF7 years ago
结合自监督学习和模仿技巧实现基于视觉的绳索操作
这篇论文提出了一种基于学习的系统，通过自监督学习从图像中学习绳索操纵的像素级逆动力学模型，并使用高低级计划成功地模仿人类示范，将可变形物体如绳索和布料进行操纵。
PDF7 years ago
深度多任务架构：用于 2D 和 3D 人体感知的集成
该研究提出了一种深度多任务架构，用于在单眼图像中全自动进行 2D 和 3D 人体感应，包括识别和重建，通过多任务损失支持所有组件的联合训练以提高准确性和鲁棒性，实验结果显示该模型在所有处理水平上均可达到最先进的结果且在野外表现不亚于基于 R
PDF7 years ago
从单目深度图像进行目标检测和语义分割
本研究证明，在计算机视觉中，利用单目图像估计出深度信息与 RGB 图像结合能够显著提高目标检测和语义分割的精度。
PDF8 years ago
使用全卷积残差网络进行更深的深度预测
采用残差学习和反 Huber loss，提出了一种全卷积结构的模型，可通过单个 RGB 图像估计场景深度图，优于当前所有深度估计方法，且无需后处理技术，能够实时运行。
PDF8 years ago
使用深度全卷积残差网络将单目图像深度估计视为分类问题
通过像素分类的方式实现单目图像深度估计，利用深度残差网络进行预测，同时采用全连接条件随机场 (CRF) 进一步提升效果。在室内和室外数据集上实现了最先进的性能表现。
PDF8 years ago
使用深度学习和大规模数据集学习机器人抓取的手眼协调
通过卷积神经网络对单目图像进行学习，实现机器人抓握的手眼协调，并能实现实时控制、成功抓握陌生物体，以及通过连续伺服调节校正抓握错误。
PDF8 years ago
使用深度卷积神经场从单目图像中学习深度
本文提出了一种使用卷积神经网络和条件随机场的深度学习模型，针对单目图像的深度估计问题，其中结构化的学习框架学习连续 CRF 的一元和二元势函数；基于全卷积网络和新的超像素池化方法，提出了一种更有效的模型，在室内外场景数据集上表现优于现有的深
PDF9 years ago