社区编辑申请
注册/登录
阿里创新三维定位地图压缩算法,论文成果入选顶会CVPR 2022
人工智能 新闻
达摩院XR实验室提出新方法SceneSqueezer,将3D地图压缩250倍以上,并使精度损失控制在较小范围,实现模型大小和定位精度的平衡。

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

5月20日消息,阿里巴巴达摩院XR实验室提出新的三维定位地图压缩算法,在保证视觉定位精度的前提下将地图压缩250多倍,使之可存储于手机等端侧设备。相关论文被计算机视觉顶会CVPR 2022收录。据悉,该实验室持续优化自研三维算法,在建图、定位等核心技术模块屡有创新,多个论文成果先后被国际顶会收录。

3D视觉定位是沉浸式互联网的核心技术之一。标准的3D视觉定位方法需提前构建特定场景的3D地图,使之可与相机拍摄的2D图片进行特征点匹配,以计算用户的位置和姿态。但3D地图体量巨大,对存储空间需求较高,无法部署在内存和带宽有限的手机等移动设备。

业界对3D地图的轻量化做了诸多探索,在前人工作基础上,达摩院XR实验室提出新方法SceneSqueezer,将3D地图压缩250倍以上,并使精度损失控制在较小范围,实现模型大小和定位精度的平衡。

SceneSqueezer采用分层策略对3D地图进行压缩

根据论文SceneSqueezer: Learning to Compress Scene for Camera Relocalization,达摩院团队采用分层策略对3D地图进行压缩,首先利用成对的共可见性信息对数据库图像进行聚类,将场景划分为多个集群分别压缩;其次,基于最终的位姿估计精度,学习选择每个图片的特征点;最后通过特征量化方法压缩特征点的描述。该算法在Cambridge LandmarksAachen Day-Night等室外场景数据集上取得了优于既有方法的表现。

达摩院XR实验室高级算法专家董子龙介绍,XR团队自研三维算法体系,在建图、定位等核心技术模块屡有突破,今年已有多篇论文入选顶会。如Quadtree Attention for Vision Transformer提出四叉树注意力机制,提升了基于视觉任务的Transformer模型的性能,入选深度学习顶会ICLR 2022;Neural Window Fully-connected CRFs for Monocular Depth Estimation提出单相机深度估计算法,利用消费级全景相机就可完成深度估计任务,大大降低三维建图成本,文章被CVPR 2022录用。

达摩院XR实验室在杭州文三街开发的“AR打卡”项目

XR实验室是达摩院新近成立的实验室,致力于研究下一代互联网技术,该团队研发的AR、VR技术已落地跨境电商、数字城区等多个场景,如为杭州文三数字生活街区建造1:1还原的三维“数字孪生体”,为杭州奥体中心10万平米地下停车场开发AR导航服务等。

责任编辑:张燕妮 来源: 量子位

同话题下的热门内容

如何创建一个无代码的自助客户聊天机器人使用机器学习评估异质治疗效果中科院打脸谷歌:普通电脑追上量子优越性,几小时搞定原本要一万年的计算负责任的机器学习--“玻璃盒”方法AI到底是如何工作的?玩转文字、文采飞扬,你也可以是这样的昇腾AI程序员!PathAI利用机器学习推动药物开发15年软件架构师经验总结:在ML领域,初学者踩过的五个坑

编辑推荐

转转公司架构算法部孙玄:AI下的微服务架构Facebook开源相似性搜索类库Faiss,超越已知最快算法8.5倍运维:对不起,这锅,我们不背快消品图像识别丨无人店背后的商品识别技术最全面的百度NLP自然语言处理技术解析
我收藏的内容
点赞
收藏

51CTO技术栈公众号