光度損失を超えた自己教師なし自我運動推定

正確な相対姿勢は、視覚オドメトリ（VO）および同時局所化とマッピング（SLAM）において重要な要素の一つです。最近、相対姿勢と目標画像の深度を同時に最適化する自己監督学習フレームワークが注目を集めています。従来の研究では、隣接フレーム間の深度と姿勢から生成される光度誤差に依存していましたが、反射面や遮蔽物がある実際のシーンでは大きな系統誤差が含まれていました。本論文では、自己監督フレームワークにおいて極線幾何学によって制約されたマッチング損失を導入することで、幾何学的損失と光度損失のギャップを埋めることを提案します。KITTIデータセットでの評価結果によると、当方法は無教師自我運動推定手法の中で最新の最先端技術を大幅に上回っています。コードとデータは以下のURLで公開されています: https://github.com/hlzz/DeepMatchVO。