الانسحاب الموجه مسبقًا للحصول على تثبيت بصري موثوق في البيئات الديناميكية

تمثّل مسألة تحديد موقع الكاميرا من صور مفردة مشكلة قديمة، إلا أن موثوقيتها في البيئات الديناميكية لا تزال غير مُعالَجة بشكل كافٍ. بالمقارنة مع الطرق الهندسية التقليدية، أظهرت الطرق الحديثة القائمة على الشبكات العصبية التلافيفية (CNN) (مثل PoseNet) موثوقية أكبر أمام التغيرات في الإضاءة أو الزاوية المرئية، لكنها لا تزال تعاني من قيود متعددة. أولاً، لا يتم التعامل مع الأجسام المتحركة في المقدمة بشكل صريح، مما يؤدي إلى أداء ضعيف وعدم استقرار في البيئات الديناميكية. ثانيًا، يُنتج كل صورة تقديرًا نقطيًا دون تقييم للشكوك المرتبطة به. في هذه الورقة، نقترح إطارًا يمكن تطبيقه بشكل عام على مُعدّلات الموضع القائمة على الشبكات العصبية التلافيفية الحالية لتحسين موثوقيتها في البيئات الديناميكية. الفكرة الأساسية تتمثّل في وحدة تفادي مُوجَّهة بـ"السابق" (prior-guided dropout) مترابطة مع وحدة انتباه ذاتي (self-attention)، والتي تُوجِّه الشبكة العصبية التلافيفية لتجاهل الأجسام المتحركة في المقدمة أثناء التدريب والتنفيذ. علاوةً على ذلك، تتيح وحدة التفادي للنظام إنتاج عدة احتمالات (فرضيات) من صورة واحدة، مما يسمح بتقييم الشكوك في تقديرات الموضع، واستغلالها في عملية تحسين مخطط الموضع المُدرك للشكوك لتعزيز الموثوقية بشكل أكبر. حققنا دقة متوسطة بلغت 9.98 متر / 3.63 درجة على مجموعة بيانات RobotCar، متفوّقين على أحدث الطرق بـ 62.97% / 47.08% على التوالي. يمكن الوصول إلى كود التنفيذ الخاص بنا عبر الرابط التالي: https://github.com/zju3dv/RVL-dynamic.