بررسی مقاله GeoNet: Unsupervised Learning of Dense Depth, Optical Flow and ...
111 بار بازدید -
4 سال پیش
-
این ویدیو ها مربوط به
این ویدیو ها مربوط به جلسه گروه مطالعاتی «یادگیری آگاه از هندسه» دانشکده کامپیوتر دانشگاه خواجه نصیر است. در این جلسات هر هفته یکی از مقالات مرتبط با این موضوع بررسی می گردد. افراد شرکت کننده یک هفته فرصت دارند که مقاله عنوان شده را بخوانند. در جلسه هر کس برداشت خود را از مفاهیمی که در مقاله عنوان شده بیان می کند و سعی می شود به سوالات و ابهامات پاسخ داده شود.
برای استفاده از این ویدیو ابتدا مقاله زیر را بخوانید
Yin, Zhichao, and Jianping Shi. "Geonet: Unsupervised learning of dense depth, optical flow and camera pose."
لینک دانلود:
http://openaccess.thecvf.com/content_cvpr_2018/papers/Yin_GeoNet_Unsupervised_Learning_CVPR_2018_paper.pdf
سعی کنید حین خواندن مقاله جواب سوالات زیر را بیابید
- وظیفه هر کدام از شبکه های DepthNet، PoseNet و resFlowNet چیست؟
- چگونه از روی Depth Map شار نوری (optical flow) تخمین زده می شود؟ شار نوری بین دو تصویر یک میدان برداری است. به ازای هر پیکسل یک بردار می دهد که نشان می ده هر پیکسل از تصویر اول چقدر حرکت می کند تا به نقطه منتاظر در تصویر دوم برسد. (معادله ۱ را نگاه کنید)
- منظور از RigidFlow در مقاله چیست؟ چرا این اسم روی آن گذاشته شده؟
- چرا نیاز به یک شبکه دوم (ResFlowNet) داریم تا خروجی شبکه اول را اصلاح کند؟
- در معادله ۳ جمله دوم (جمله نمایی) چه کاری انجام می دهد؟
- انسداد occlusion چه مشکلی برای این روش ایجاد می کند. این مشکل چگونه توسط معادلات ۴ و ۵ حل شده؟
- در معادله ۶ هر یک از جملات چه چیزی را نشان می دهند؟
- چرا در معادله ۶ علاوه بر L_fs و L_fw که روی خروجی نهایی شبکه (Final Flow) تعریف شده اند از L_ds و L_rw استفاده شده است که مربوط به خروجی بخش اول شبکه (RigidFlow) می شود؟
سپس سعی کنید پاسخ به سوالات و ابهامات خود را در ویدیو بیابید.
4 سال پیش
در تاریخ 1399/08/18 منتشر شده
است.
111
بـار بازدید شده