面向自主移动机器人的快速图像异常缓解
计算机视觉与模式识别
2021-09-07 v1 人工智能
机器人学
摘要
雨或灰尘等相机异常会严重降低图像质量及其相关任务（如定位与分割）的性能。在本工作中，我们通过实现一个预处理步骤来解决这一重要问题，该步骤能以实时方式有效缓解此类伪影，从而支持在算力受限的自主系统上部署。我们提出了一种带聚合的浅层生成器，以对抗式设置进行训练，以求解重建被遮挡区域的病态问题。我们加入一个增强器以进一步保留高频细节与图像着色。我们还制作了可用于训练架构的最大公开数据集之一，并使用逼真的合成雨滴来获得模型的改进初始化。我们在已有数据集及自有图像上对所提框架进行基准测试，在取得 SOTA 结果的同时实现了实时性能，推理时间比现有方法快至多 40 倍。
引用
@article{arxiv.2109.01889,
title = {Fast Image-Anomaly Mitigation for Autonomous Mobile Robots},
author = {Gianmario Fumagalli and Yannick Huber and Marcin Dymczyk and Roland Siegwart and Renaud Dubé},
journal= {arXiv preprint arXiv:2109.01889},
year = {2021}
}
备注
Published on 2021 International Conference on Intelligent Robots and Systems (IROS)