本文介绍了一种通过预处理消除光照影响的视觉定位方法，利用CNN学习从RGB到灰度的非线性转换，提高匹配网络的光照鲁棒性。网络接受图像对输入，输出灰度图，再接匹配网络，其输出为匹配对。此方法旨在提升视觉定位在不同光照条件下的准确性。
摘要：这是一篇通过预处理干掉光照对视觉定位影响的论文（如果可行的话其实可以嵌套到任意防止光照变化的网络之前）（目标是免疫各种光照变化）。
本文的核心任务是学习一个非线性变化：rgb->gray（是一个非线性的变换过程）
网络输入image pair对，然后输出grayscale图片，之后接入match网络，而match网络的输出是match对（gt使用不可微的match->ransack->非线性优化得到）（抗光照能力较强）
思考？？？既然他的抗光照变化是靠cnn得到的网络，那么为啥不直接学习image pair的match（dense也好，sparse也好？？？），将非线性变化
（有先验是说，rgb图片可以经过非线性log变化，变换到一个不受光照影响的单通道空间）直接融入到现有的end-to-end的 match网络不更加好么？？？
持续关注视觉定位相关论文，感兴趣➕关注，欢迎交流分享。
动动您的小手手，给咱点个赞
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
