Motion Consistency Loss for Monocular Visual Odometry with Attention-Based Deep Learning

要約

深層学習アルゴリズムは、多くの複雑なタスクにおいて表現力豊かな進歩を推進してきました。
損失関数は深層学習技術の中核コンポーネントであり、ニューラル ネットワークの学習プロセスをガイドします。
この論文は、深層学習ベースのアプローチによるビジュアル オドメトリの一貫性損失を導入することで貢献します。
モーションの一貫性の損失では、連続して重なったビデオ クリップに現れる繰り返しのモーションを調査します。
実験結果は、私たちのアプローチにより、KITTI オドメトリ ベンチマークにおけるモデルのパフォーマンスが向上したことを示しています。

要約(オリジナル)

Deep learning algorithms have driven expressive progress in many complex tasks. The loss function is a core component of deep learning techniques, guiding the learning process of neural networks. This paper contributes by introducing a consistency loss for visual odometry with deep learning-based approaches. The motion consistency loss explores repeated motions that appear in consecutive overlapped video clips. Experimental results show that our approach increased the performance of a model on the KITTI odometry benchmark.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google