Learning a Depth Covariance Function

要約

幾何学的視覚タスクへの応用で深度共分散関数を学習することを提案します。
入力として RGB 画像が与えられると、共分散関数を柔軟に使用して、深さ関数に対する事前確率、観測値に基づく予測分布、およびアクティブ ポイント選択の方法を定義できます。
ダウンストリーム タスクの選択にこれらの手法を活用します: 深さの完了、バンドルの調整、および単眼の高密度ビジュアル オドメトリー。

要約(オリジナル)

We propose learning a depth covariance function with applications to geometric vision tasks. Given RGB images as input, the covariance function can be flexibly used to define priors over depth functions, predictive distributions given observations, and methods for active point selection. We leverage these techniques for a selection of downstream tasks: depth completion, bundle adjustment, and monocular dense visual odometry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google