DASGIL：面向语义与几何感知的基于图像定位的域自适应
计算机视觉与模式识别
2020-12-29 v2
摘要
在自动驾驶和移动机器人中，由于季节、光照变化等因素，变化环境下的长期视觉定位是一个具有挑战性的问题。用于定位的图像检索是该问题的一个高效且有效的解决方案。本文提出一种新颖的多任务架构，将几何与语义信息融合到多尺度潜在嵌入表示中，用于视觉地点识别。为在无任何人工标注的情况下利用高质量真值，我们提出有效的多尺度特征判别器进行对抗训练，以实现从合成虚拟KITTI数据集到真实世界KITTI数据集的域自适应。所提方法在Extended CMU-Seasons数据集和Oxford RobotCar数据集上通过一系列关键对比实验进行了验证，在具有挑战性的环境下，我们的性能优于用于基于检索的定位和大规模地点识别的SOTA基线。
引用
@article{arxiv.2010.00573,
title = {DASGIL: Domain Adaptation for Semantic and Geometric-aware Image-based Localization},
author = {Hanjiang Hu and Zhijian Qiao and Ming Cheng and Zhe Liu and Hesheng Wang},
journal= {arXiv preprint arXiv:2010.00573},
year = {2020}
}
备注
Submitted to TIP