主动神经建图
计算机视觉与模式识别
2023-09-01 v1
摘要
我们解决了使用持续学习的神经场景表示进行主动建图的问题，即主动神经建图（Active Neural Mapping）。关键在于主动寻找待探索的目标空间并以高效的智能体运动，从而在前所未见的环境中实时最小化地图不确定性。在本文中，我们考察持续学习的神经场的权重空间，并经验性地表明神经变异性（针对随机权重扰动的预测鲁棒性）可直接用于度量神经地图的瞬时不确定性。结合神经地图中继承的连续几何信息，可引导智能体找到可遍历路径以逐步获取环境知识。我们首次提出了一种基于坐标的隐式神经表示用于在线场景重建的主动建图系统。在视觉逼真的 Gibson 和 Matterport3D 环境中的实验证明了所提方法的有效性。
引用
@article{arxiv.2308.16246,
title = {Active Neural Mapping},
author = {Zike Yan and Haoxiang Yang and Hongbin Zha},
journal= {arXiv preprint arXiv:2308.16246},
year = {2023}
}
备注
ICCV 2023, project page: https://zikeyan.github.io/active-INR/index.html