محققان در تازهترین دستاورد خود، مدل جدیدی به نام EAR-Net را برای حل یکی از چالشهای اصلی در حوزه بینایی کامپیوتری یعنی «تخمین مطلق چرخشها» از تصاویر چندگانه معرفی کردند.
تکنیکهای قدیمی معمولاً به صورت چند مرحلهای عمل میکردند که باعث انباشت خطا و کاهش دقت میشد، اما EAR-Net با استفاده از شبکههای عصبی عمیق، این فرآیند را به صورت «سر-به-سر» (End-to-End) انجام میدهد. این مدل با بهرهگیری از گرافهای اعتماد اپیپولار، نویز و دادههای پرت را به خوبی مدیریت میکند و خروجی بسیار دقیقتری نسبت به متدهای فعلی ارائه میدهد. 🚀
این پیشرفت میتواند به بهبود دقت سیستمهای واقعیت افزوده، نقشهبرداری سهبعدی و رباتیک کمک زیادی کند.
منبع: arXiv Computer Vision