探索物体感知注意力引导的帧关联用于 RGB-D SLAM
计算机视觉与模式识别
2023-08-24 v2
摘要
深度学习模型作为一个新兴课题，已在多个领域展现出巨大进展。特别是，类激活映射方法等可视化工具为卷积神经网络（CNNs）的推理提供了视觉解释。利用网络层的梯度，可以展示网络在特定图像识别任务中关注的区域。此外，这些梯度可与 CNN 特征相结合，以定位场景中更通用的任务相关注意力（显著）物体。尽管取得了这些进展，将这种梯度（网络注意力）信息显式地用于与 CNN 表征融合以获取物体语义的做法并不多。这对于同步定位与地图构建（SLAM）等视觉任务非常有用，因为空间注意力物体位置的 CNN 表征可能带来性能提升。因此，在本工作中，我们提出将任务特定的网络注意力用于 RGB-D 室内 SLAM。为此，我们将逐层物体注意力信息（层梯度）与 CNN 层表征相融合，以改进 RGB-D 室内 SLAM 方法中的帧关联性能。实验显示出有前景的结果，性能优于基线。
引用
@article{arxiv.2201.12047,
title = {Exploring Object-Aware Attention Guided Frame Association for RGB-D SLAM},
author = {Ali Caglayan and Nevrez Imamoglu and Oguzhan Guclu and Ali Osman Serhatoglu and Weimin Wang and Ahmet Burak Can and Ryosuke Nakamura},
journal= {arXiv preprint arXiv:2201.12047},
year = {2023}
}
备注
This article has been removed by arXiv administrators because the submitter did not have the authority to grant the license at the time of submission