Forskare från AIRI-institutet presenterade vid en internationell vetenskaplig konferens om virtuella och
Djupanalys är en av huvuduppgifternadatorseende applikationer. För att roboten ska kunna navigera i rymden, och förstärkt verklighetsfiltret placeras ovanpå den önskade bilden, måste systemet korrekt uppskatta avstånden till varje objekt i bilden.
I regel byggs djupkartor utifråninformation som kommer från speciella sensorer. Den mest populära av dessa är lidar. Den här enheten riktar en ljusstråle och mäter den tid det tar för reflektionen att återvända. Nackdelar med denna teknik: begränsad räckvidd och hög kostnad för sensorer. RGB-kameror används också som ett alternativ. Denna metod används i utvecklingen av olika AR-applikationer för smartphones.
Den nya tekniken kombinerade olika förhållningssätt tilllösning av problemet med djupuppskattning. Forskare har utvecklat modeller som använder global rumslig information för att skapa de mest exakta kartorna. Den föreslagna modellen kombinerar fördelarna med transformatorer och konvolutionella neurala nätverk. Författarna noterar att modellen är självlärande och inte behöver data från djupsensorer.
Utvecklarna rapporterade att den föreslagna metodenklarade prestandautvärderingen på oberoende datauppsättningar och visade ett av de bästa resultaten i världen. Information om modeller och metoder lovas att göras allmänt tillgänglig inom kort.
Läs mer:
NASA avslöjade ursprunget till Haumea - den mest mystiska planeten i solsystemet
Genomets "mörka materia" gömde cancerbehandling: vad forskare hittade där
Fem miljoner år av död: varför "den stora döende" verkligen tog så lång tid