波士顿大学 发布 ZeroVO 数据集, 应用在 视觉里程计、自动驾驶 领域

波士顿大学 本次发布的数据集 ZeroVO, ZeroVO是一个创新的视觉里程计（VO）算法，能够在多种相机和环境之间实现零样本泛化，克服了现有方法对预定义或静态相机校准设置的依赖。该算法包含三个主要创新：首先，设计了一种无需校准的、几何感知的网络结构，能够处理估计深度和相机参数中的噪声；其次，引入了一种基于语言的先验知识，通过注入语义信息来增强特征提取和泛化到之前未见过的领域；第三，开发了一种灵活的半监督训练范式，利用未标记数据迭代适应新场景，进一步提高了模型在多种现实世界场景中的泛化能力。该研究分析了复杂的自动驾驶环境，在三个标准基准测试（KITTI、nuScenes和Argoverse 2）以及一个新引入的高保真合成数据集（来自Grand Theft Auto）上，比先前的方法提高了30%以上。由于无需微调或相机校准，我们的工作扩大了VO的应用范围，为大规模的实际部署提供了一个通用的解决方案。

查看ZeroVO

关于 波士顿大学 , 波士顿大学是一所位于美国马萨诸塞州波士顿的私立研究型大学，以其卓越的学术研究和国际声誉著称。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。