注意SLAM:ヒト凝視からの視覚単眼SLAM学習【JST・京大機械翻訳】

Li Jinquan; Pei Ling; Zou Danping; Xia Songpengcheng; Wu Qi; Li Tao; Sun Zhen; Yu Wenxian

プレプリント

J-GLOBAL ID：202202202598577281 整理番号：22P0190950

注意SLAM:ヒト凝視からの視覚単眼SLAM学習【JST・京大機械翻訳】

Attention-SLAM: A Visual Monocular SLAM Learning from Human Gaze

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2020年09月15日プレプリントサーバーでの情報更新日： 2020年09月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,従来の単眼視SLAMと視覚顕著性モデル(SalNavNet)を結合することにより,人間ナビゲーションモードをシミュレートする,新しい同時位置決めとマッピング(SLAM)アプローチ,すなわち,注意SLAMを提案した。ほとんどのSLAM法は,最適化プロセスの間,画像から抽出したすべての特徴を処理する。しかし,シーンにおける顕著な特徴点は,人間ナビゲーションプロセスの間,より重要な影響を持った。そこで,まず,相関モジュールを導入し,適応的指数移動平均(EMA)モジュールを提案するSalVavNetと呼ばれるビジュアル顕著性モデルを提案した。これらのモジュールは中心バイアスを緩和し,SalNavNetによって生成された顕著性マップを同じ顕著な物体により多くの注意を払わせる。さらに,顕著性マップはSLAM結果の精密化のための人間行動をシミュレートする。突出領域から抽出した特徴点は,最適化過程においてより重要である。オープンソース顕著性SLAMデータセットを生成するために,Eurocデータセットに意味的顕著性情報を加えた。包括的なテスト結果は,注意-SLAMが,ほとんどのテストケースにおける効率,精度,およびロバスト性に関して,直接スパースオドメトリ(DSO),ORB-SLAM,およびSalent DSOのようなベンチマークより優れていることを証明した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , , , ,

前のページに戻る