학습하는 지도 표현
전통적인 지도는 점과 선, 평면 또는 시각 단어 등으로 구성될 수 있다. MapNet은 카메라 위치 추정에 필요한 지도를 데이터 기반 신경망으로 표현한다.
영상 밖의 기하 단서
영상뿐 아니라 시각 주행 거리계와 GPS 같은 센서 입력을 결합한다. 관측 사이의 상대 운동과 위치 제약을 학습에 활용한다.
손실과 추론의 연결
번들 조정과 자세 그래프 최적화에 쓰이던 종류의 기하 제약을 학습 손실로 구성하고 추론 중에도 사용한다. 지도 표현과 기하 일관성을 함께 다루는 방식이다.
무표지 영상의 갱신
추가 무표지 영상 시퀀스로 MapNet을 자기 지도 방식으로 갱신할 수 있도록 제안했다. 논문은 실내 7-Scenes와 실외 Oxford RobotCar에서 성능을 비교했다.
관련 문서
PoseNet 카메라 위치 추정 / MegaLoc / 기하 정합 / 자기 지도 학습 / 신경망 / 전이 학습