视觉定位新突破：多伦多大学探索特征学习+图像变换
以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
#论文# IROS 2023|多伦多大学探讨该学习什么：特征、图像变换或两个都要?
【What to Learn: Features, Image Transformations, or Both?】
作者单位：多伦多大学
文章链接：
230613040WhattoLearnFeaturesImageTransformationsor...
摘要：
长期视觉定位是机器人和计算机视觉领域中的一个非常重要的问题，但在光照和季节引起的环境变化的场景下仍具有挑战性。虽然现有的许多研究试图通过直接学习不变的稀疏关键点和描述子来匹配场景从而解决这个问题，但这些方法处理复杂多样的场景任务仍然很吃力。近期在图像Transformer技术的发展，如神经网络风格迁移，已经成为解决这些场景差异的一种替代方法。在这项工作中，我们提出将图像变换网络Transformer和特征学习网络相结合，以提高长期视觉定位性能。
给定一对黑夜-白天图像，图像Transformer变换网络在特征匹配之前，将夜晚图像转化为类白天条件；特征网络用其相关的特征描述子来检测关键点位置，将这些描述子的值传递给一个经典的位姿估计算法来计算其相对位姿。本文进行了各种实验来检验结合风格迁移和特征学习以及其训练策略的有效性，结果表明这样的结合显著提高了长期定位的性能。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
最后介绍一下我们最近的几个学习活动：
1、【报名】视觉惯性SLAM挑战赛之 ORB-SLAM3
《视觉惯性SLAM：理论与源码解析》第三部分：ORB-SLAM3理论与实践。3周时间，8月21日开始上课。详见《视觉惯性SLAM》挑战赛，终极之战！
2、第1期编辑部成员招募
一起对AR/MR、机器人、自动驾驶、无人机等SLAM相关的细分行业的梳理和分析，在AI热潮下能够和大家一起理清思路，看清发展脉络和趋势。 仅限 「小六的机器人SLAM学习圈」参与。
3、【报名】创业交流小组
组织有创业想法，有创业行动，或者正在创业中的朋友一起学习交流，大家一起去思想碰撞，相互学习，甚至产生合作机会。仅限 「小六的机器人SLAM学习圈」参与。
4、【报名】招募项目实战合作者
SLAM项目实战课程，基于开源算法做一些拓展项目。仅限 「小六的机器人SLAM学习圈」参与。
5、小六的机器人SLAM圈！
全国最大的机器人SLAM交流圈，详情戳「小六的机器人SLAM学习圈」
