Yicheng Lin

新的神经符号光流法增强了视觉里程计

研究人员开发了NSFlow，一种新颖的端到端可微分神经符号框架，用于光流估计。这种混合方法结合了卷积神经网络（CNN）在特征提取方面的鲁棒性与可微分Lucas-Kanade优化器的几何一致性。NSFlow旨在弥合传统基于优化方法与纯粹基于学习的替代方法之间的差距，在诸如大运动和低纹理等挑战性条件下提供改进的性能。该系统设计用于在嵌入式平台上进行实时操作，并已在视觉里程计和视觉-惯性里程计系统中展示出显著的改进。