محققان با معرفی فریمورک «EventVGGT»، گام بزرگی برای حل یکی از چالشهای اصلی دوربینهای رویدادمحور (Event Cameras) برداشتهاند. تا پیش از این، اکثر مدلها دادههای رویدادی را به صورت فریمهای مستقل پردازش میکردند که باعث بینظمی در خروجی میشد.
این مدل جدید با بهرهگیری از مدلهای پایه بصری (VFM) و به کارگیری استراتژی «تقطیر دانش» (Distillation)، موفق شده ویژگیهای زمانی و هندسی را به دقت مدل کند. نتیجه این کار، تخمین عمق بسیار دقیقتر و منسجمتر در شرایط چالشبرانگیز نوری و حرکتی است. این پیشرفت میتواند تاثیر مستقیمی بر آینده رباتیک و سیستمهای ناوبری خودکار داشته باشد. 🤖✨
منبع: arXiv Computer Vision