GSLoc: Visual Localization with 3D Gaussian Splatting |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-11-03 11:55 Анастасия Корнилова, руководитель исследовательской группы Лаборатории "Искусственный интеллект для автономных систем" Центра прикладного ИИ Сколтеха, и аспирант Казий Боташев представили свои работы на конференции IROS 2024, проходившей в Абу-Даби, одной из крупнейших и известнейших в мире по исследованиям в области робототехники. Казий Боташев представил новый метод визуальной локализации, который выполняет плотное совмещение камеры с использованием представления сцены в виде 3D-гауссового размытия. Этот подход значительно улучшает локализацию в сложных условиях с низким перекрытием кадров и превосходит существующие нейронные разреженные методы, объединяя реальные и виртуальные ключевые кадры при решении задач поиска изображений. Соавторы статьи из Сколтеха: Гонзало Феррер и Владислав Пятов. Ссылка: https://arxiv.org/abs/2410.06165 Анастасия Корнилова представила две статьи: 1. DeepMIF: Deep Monotonic Implicit Fields for Large-Scale LiDAR 3D Mapping: Эта работа предлагает подход с использованием нейронных монотонных неявных полей для преодоления ограничений лидаров в создании плотных 3D-представлений. Используя нейронные неявные представления и сетки признаков, DeepMIF эффективно моделирует 3D-поверхности, минимизируя шум от разреженных данных. Ссылка: https://arxiv.org/abs/2403.17550 2. AutoInst: Automatic Instance-Based Segmentation of LiDAR 3D Scans: В этой работе представлен несупервизорный метод сегментации объектов на 3D-лидарных сканах, не требующий аннотированных данных. Алгоритм обрабатывает лидарные сканы и RGB-изображения для получения плотных, не зависящих от классов 3D-сегментаций, улучшая анализ сложных 3D-сцен. Ссылка: https://arxiv.org/abs/2403.16318 Анастасия также выступила в роли сопредседателя секции по SLAM на конференции. Источник: arxiv.org Комментарии: |
|