AAAI 2021最「严」一届放榜:录取率仅21%,网易伏羲9篇论文入选(2)
发布时间:2020-12-08 00:02 所属栏目:15 来源:网络整理
导读:为了实现这个目的,我们基于图注意力机制下的循环网络来模拟当前子图到目标节点的边的分布情况,为了在模型中加入对2D空间的理解,我们将3D场景渲染为2D,提取对应节点视觉特征,融合到循环网络中。由于图节点信息
为了实现这个目的,我们基于图注意力机制下的循环网络来模拟当前子图到目标节点的边的分布情况,为了在模型中加入对2D空间的理解,我们将3D场景渲染为2D,提取对应节点视觉特征,融合到循环网络中。由于图节点信息和2D场景信息来自不同的域,我们还加入一个全局的视觉内容-图节点匹配损失。 (网络结构图示) 实验结果表明,我们的方案能解决之前的工作在我们的场景下不适用的问题,并且能给出理想的位置推荐结果。 5、HR-Depth:高分辨率自监督单目深度估计 (HR-Depth : High Resolution Self-Supervised Monocular Depth Estimation) 关键词:自监督,深度估计 通过以图像序列作为唯一的监督来源,自我监督学习在单眼深度估计中显示出巨大潜力。尽管人们尝试将高分辨率图像用于深度估计,但是预测的准确性并未得到明显提高。 (编辑:ASP站长网) |
相关内容
网友评论
推荐文章
热点阅读