【論文翻譯】GCNv2: Efficient Correspondence Prediction for Real-Time SLAM
論文原文 源碼 他人分享的閱讀筆記（總結比較好） GCN的論文翻譯 摘要 以GCN一樣是生成關鍵點及其描述子。在用於3D投影幾何的GCN網絡基礎之上，設計了二進制的描述子（v1中寫的要實現的）以便替換ORB-SLAM中的ORB特徵點。並且算力效率上也比GCN（只能運行在臺式機的硬件上，比如GPU）高，可以運行在TX2上。將ORB用GCNv2提出的特徵替換，並且在TX2上運行，結果顯示精度和GCN一
相關文章
- 1. ECO論文翻譯：Efficient Convolution Operators for Tracking論文翻譯
- 2. 【論文翻譯】GCN-v1:Geometric Correspondence Network for Camera Motion Estimation
- 3. Learning Discriminative Model Prediction for Tracking --- 論文翻譯
- 4. PL-SLAM論文翻譯
- 5. 論文翻譯（下）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 6. 論文翻譯（上）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 7. ICRA2018 SLAM論文
- 8. 一週一論文（翻譯）——[SIGMOD 19] Elasticutor：Rapid Elasticity for Realtime Stateful Stream Processing
- 9. 【論文翻譯】Fully Convolutional Networks for Semantic Segmentation
- 10. 【論文翻譯】Fully Convolutional Networks for semantic Segmentation
- 更多相關文章...
- • Eclipse 編譯項目 - Eclipse 教程
- • Swift for 循環 - Swift 教程
- • Scala 中文亂碼解決
- • Docker容器實戰(七) - 容器眼光下的文件系統
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. ECO論文翻譯：Efficient Convolution Operators for Tracking論文翻譯
- 2. 【論文翻譯】GCN-v1:Geometric Correspondence Network for Camera Motion Estimation
- 3. Learning Discriminative Model Prediction for Tracking --- 論文翻譯
- 4. PL-SLAM論文翻譯
- 5. 論文翻譯（下）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 6. 論文翻譯（上）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction
- 7. ICRA2018 SLAM論文
- 8. 一週一論文（翻譯）——[SIGMOD 19] Elasticutor：Rapid Elasticity for Realtime Stateful Stream Processing
- 9. 【論文翻譯】Fully Convolutional Networks for Semantic Segmentation
- 10. 【論文翻譯】Fully Convolutional Networks for semantic Segmentation