➤论文
1.Learning Camera Localization via Dense Scene Matching
论文地址:
https://arxiv.org/abs/2104.14545
2.End-to-End Learning Local Multi-view Descriptors for 3D Point Clouds
论文地址:
https://arxiv.org/abs/2003.05855
3.Cascade Cost Volume for High-Resolution Multi-View Stereo and Stereo Matching
论文地址:
https://arxiv.org/abs/1912.06378
4.Stereo Matching by Self-supervision of Multiscopic Vision
论文地址:
https://arxiv.org/abs/2104.04170
5.AR Mapping: Accurate and Efficient Mapping for Augmented Reality
论文地址:
https://arxiv.org/abs/2103.14846
6.Compact 3D Map-Based Monocular Localization Using Semantic Edge Alignment
论文地址:
https://arxiv.org/abs/2103.14826
7.DRO: Deep Recurrent Optimizer for Structure-from-Motion
论文地址:
https://arxiv.org/abs/2103.13201
第一部分:视觉建图和定位技术概述:
传统的和基于深度神经网络的视觉建图技术回顾
传统的和基于深度神经网络的视觉定位技术回顾
视觉建图和定位技术当前的挑战
基于深度神经网络的稠密特征点匹配
基于学习优化(Learning to Optimize)的稠密建图
基于深度神经网络且无场景依赖的稠密视觉定位
趋势#1:利用深度神经网络的特征进一步解决手动特征的局限性
趋势#2:利用学习优化(Learning to Optimize)替代传统数值优化
趋势#3:利用深度神经网络的预测能力提升建图和定位的精度和鲁棒性
➤回放视频在这里☟(建议在pc端观看)
➤部分PPT截图
往期线上分享集锦:http://bbs.cvmart.net/topics/149/cvshare(或直接阅读原文)
如果觉得有用,就请分享到朋友圈吧!
公众号后台回复“83”获取朱思语:基于深度学习的视觉稠密建图和定位直播链接~
推荐阅读
# CV技术社群邀请函 #
备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳)
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~