多帧 GAN：低光照下立体视觉里程计的图像增强
机器人学
2019-10-16 v1 计算机视觉与模式识别
摘要
我们提出了多帧 GAN（MFGAN）的概念，并展示了其作为低光照条件下立体视觉里程计图像序列增强的潜力。我们的方法基于可逆对抗网络，将明亮照明场景的有益特征迁移到光照不佳的序列，而无需昂贵的配对数据集。为保留迁移序列的连贯几何线索，我们提出了一种新颖的网络架构以及基于光流估计结合时间与立体一致性的新损失项。我们证明，在具有挑战性的光照下，增强后的序列提升了最先进的基于特征和直接的立体视觉里程计方法在合成与真实数据集上的性能。我们还表明，MFGAN 在视觉里程计方面大幅优于其他最先进的图像增强与风格迁移方法。
引用
@article{arxiv.1910.06632,
title = {Multi-Frame GAN: Image Enhancement for Stereo Visual Odometry in Low Light},
author = {Eunah Jung and Nan Yang and Daniel Cremers},
journal= {arXiv preprint arXiv:1910.06632},
year = {2019}
}
备注
Accepted by the 3rd Conference on Robot Learning, Osaka, Japan (CoRL 2019). The first two authors contributed equally to this paper