Core Concepts
深層学習モデルにおける不確実性推定の課題を解決する新しい方法を提案する。
Abstract
深層学習技術は視覚オドメトリソリューションを向上させるが、不確実性推定は課題。
ファクターグラフを使用して相対共分散推定を行い、視覚オドメトリ(VO)ソリューションの共分散を決定。
深層学習エンジンの共分散近似の一貫性を示すためにEUROCデータセットで結果を示す。
DNNベースSLAMフレームワークにおける不確実性量子化方法が欠如していることが指摘される。
他のSLAMフレームワークと比較して、暗黙的なレイヤーを使用した新しい共分散回復手法が紹介される。
Stats
深層学習SLAM技術におけるパラメータ数が10^9であることから、予測的な不確実性が発生する。
モデル不確かさは回帰設定では表現されず、分類モデルは通常正規化されたスコアベクトルを提供する。
Quotes
"深層学習SLAM予測への信頼性はどれくらいですか?"
"暗黙的なレイヤーから制約条件を満たすニューラルネットワーク内で最適化問題を解決することが可能です。"