绑定手机号
获取验证码
确认绑定
提问
0/255
提问
订阅开课提醒需关注服务号
回答成功
知道了
扫码关注智东西公开课服务号登录
请使用微信扫描二维码
扫描二维码分享给微信好友
您已订阅成功,有新课程,我们将第一时间提醒您。
知道了
发送提问成功
回答可在
“我的——我的提问”中查看
知道了
失败
欢迎来智东西
关注我们
智东西
车东西
芯东西
智东西公开课
NeRF与SLAM结合的向量化物体级解耦建图
AI新青年讲座 2023/05/16 19:00:00
课程讲师
孔昕 帝国理工学院 戴森机器人实验室在读博士

浙江大学硕士,帝国理工戴森机器人实验室博士在读,导师为 Andrew Davison;研究方向为3D视觉,SLAM,机器人感知;曾在 CVPR、ICRA、IROS发表多篇论文。

孔昕
帝国理工学院 戴森机器人实验室在读博士

浙江大学硕士,帝国理工戴森机器人实验室博士在读,导师为 Andrew Davison;研究方向为3D视觉,SLAM,机器人感知;曾在 CVPR、ICRA、IROS发表多篇论文。

课程提纲
  • NeRF和SLAM的研究概述
  • NeRF的解耦语义表达及挑战
  • 结合NeRF和SLAM的物体级解耦建图方法vMAP
  • 语义SLAM的三维表达及未来展望
课程简介

神经场(NeRF)三维表达由于其高效、简洁、精确且易于持续优化的特点,近期在同时定位及建图(SLAM)中被广泛应用。但是从隐式神经网络中提取独立的物体表达是困难的:1)网络参数与特定3D区域的关联不可知;2)难以满足SLAM的实时性要求;3)难以完全解耦不同物体的表达和训练。

在 CVPR 2023 上,来自帝国理工学院戴森机器人实验室的在读博士孔昕等人提出了一个使用神经场表示的物体级 SLAM 系统:vMAP。在 vMAP 中,每个物体都由一个小 MLP 神经网络表示,无需 3D 先验即可实现高效、稠密的对象建模。当RGB-D相机在没有先验信息的情况下浏览场景时,vMAP 会实时检测对象实例,并动态地将它们添加到其地图中。

由于高效地对多个神经网络进行向量化批训练,vMAP 可以在单个场景中同时优化 50 个物体对象,且具有 5Hz 地图更新的训练速度。与之前的神经场 SLAM 系统相比,vMAP 可以解耦 3D 场景为物体级表达,且重建质量显著提高。

5月16日晚7点,AI新青年讲座第207讲邀请到帝国理工学院戴森机器人实验室在读博士孔昕参与,主讲《NeRF与SLAM结合的向量化物体级解耦建图》。

精彩问答
提问
提问
目前还没有问题,可以点击右侧的“提问按钮”提问
更多问题...