面向相机重定位的 CNN 地图表示与压缩
计算机视觉与模式识别
2018-05-17 v2 机器人学
摘要
本文研究了卷积神经网络在相机重定位中的应用及其在地图压缩方面的应用。我们遵循最先进的视觉重定位结果，并评估了对不同数据输入的响应。我们使用 CNN 地图表示，并通过使用更小的 CNN 架构在不牺牲重定位性能的情况下，引入了该范式下的地图压缩概念。我们在一系列公开可用的数据集上，针对在复杂度和层数上具有不同大小的多种 CNN 架构评估了该方法。该表述使我们能够通过增加训练轨迹的数量来提高重定位精度，同时保持恒定大小的 CNN。
引用
@article{arxiv.1709.05972,
title = {Towards CNN map representation and compression for camera relocalisation},
author = {Luis Contreras and Walterio Mayol-Cuevas},
journal= {arXiv preprint arXiv:1709.05972},
year = {2018}
}
备注
Submitted to the 1st International Workshop on Deep Learning for Visual SLAM, at the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)