面向全向视觉的深度学习：综述与新视角
计算机视觉与模式识别
2022-05-25 v2
摘要
全向图像（ODI）数据以 360×180 视场捕获，比针孔相机宽得多，且比传统平面图像包含更丰富的空间信息。因此，全向视觉因其在自动驾驶和虚拟现实等众多应用中更具优势的性能而吸引了蓬勃的关注。近年来，消费级 360 相机的可用性使全向视觉更加普及，且深度学习（DL）的进展显著激发了其研究与应用。本文对全向视觉深度学习方法的近期进展进行了系统而全面的回顾与分析。我们的工作涵盖四个主要内容：（i）全向成像原理、ODI 上的卷积方法以及数据集的介绍，以突出与 2D 平面图像数据的差异与困难；（ii）全向视觉深度学习方法的结构化与层次化分类法；（iii）最新新颖学习策略与应用的总结；（iv）对挑战与开放问题的深入讨论，通过突出潜在研究方向以引发社区更多研究。
引用
@article{arxiv.2205.10468,
title = {Deep Learning for Omnidirectional Vision: A Survey and New Perspectives},
author = {Hao Ai and Zidong Cao and Jinjing Zhu and Haotian Bai and Yucheng Chen and Lin Wang},
journal= {arXiv preprint arXiv:2205.10468},
year = {2022}
}
备注
31 pages