RobustLoc: Robust Camera Pose Regression in Challenging Driving Environments

要約

【タイトル】ロブストカメラ姿勢回帰：困難な自動運転環境における頑健性

【要約】
– 自動運転において、カメラの再配置は様々な応用がある
– 以前のカメラ姿勢回帰モデルは、ほとんど環境の変化がない理想的な状況のみを考慮していた
– RobustLocは、季節の変化、天候、照明の変化、不安定な物体の存在など、困難な自動運転環境に対応するために開発された
– RobustLocは、ニューラル微分方程式から頑健性を得ている
– モデルは、マルチビュー画像から特徴マップを抽出するために畳み込みニューラルネットワーク、ロバストなニューラル微分方程式拡散ブロックモジュールを使用し、多層訓練を持つ分岐ポーズデコーダーを用いて車両の位置を推定する
– 実験により、RobustLocは現在の最先端のカメラ姿勢回帰モデルを上回り、様々な環境で頑健なパフォーマンスを発揮することが示された
– コードは、https://github.com/sijieaaa/RobustLocで公開されている

要約(オリジナル)

Camera relocalization has various applications in autonomous driving. Previous camera pose regression models consider only ideal scenarios where there is little environmental perturbation. To deal with challenging driving environments that may have changing seasons, weather, illumination, and the presence of unstable objects, we propose RobustLoc, which derives its robustness against perturbations from neural differential equations. Our model uses a convolutional neural network to extract feature maps from multi-view images, a robust neural differential equation diffusion block module to diffuse information interactively, and a branched pose decoder with multi-layer training to estimate the vehicle poses. Experiments demonstrate that RobustLoc surpasses current state-of-the-art camera pose regression models and achieves robust performance in various environments. Our code is released at: https://github.com/sijieaaa/RobustLoc

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI