Sign In
insight - 視覚的ローカリゼーション
確率的不確実性定量化による予測モデルの応用 - 視覚的ローカリゼーションへの適用
予測モデル(例えば、ニューラルネットワーク)の不確実性定量化は、特に自動運転車のような安全重要なアプリケーションにおいて、正確な予測と同様に重要である。本研究では、視覚的ローカリゼーションの文脈で不確実性定量化のアプローチを提案する。内部出力をセンサーエラーモデルにマッピングすることで、確率的不確実性を推定する。さらに、ガウシアンミクスチャモデル(GMM)を統合することで、不確実性の精密な表現を実現する。
視覚的ローカリゼーションのための絶対位置と半一般化相対位置の組み合わせ
視覚的ローカリゼーションにおいて、2D-2D マッチングと2D-3D マッチングを組み合わせることで、より正確な位置推定が可能になる。
3D Gaussian Splatting を用いた特徴記述子の統合による視覚的ローカリゼーションの高精度化
3D Gaussian Splattingを用いて、特徴記述子を統合することで、視覚的ローカリゼーションの精度を向上させる。
空間的注意とエッジコンテキストを活用した視覚的ローカリゼーションにおける最適化された特徴選択
空間的注意ネットワークとエッジ検出器を統合することで、視覚的ローカリゼーションにおける特徴選択を最適化し、正確な姿勢推定を実現できる。