计算机视觉代码,计算机视觉三篇文章源代码

GitHub: https://github.com/paintception/Deep-Quality-Value-DQV-Learning-

深度质量价值(DQV)学习(Deep Quality-Value (DQV) Learning)我们介绍了一种名为DeepQuality-Value(DQV)学习的新型深度强化学习(DRL)算法。与Advantage-Actor-Critic方法类似，DQVuses使用Value神经网络估计时间差异误差，然后由第二个质量网络用于直接学习状态 - 动作值。

《SegMap: 3D Segment Mapping using Data-Driven Descriptors》

GitHub: https://github.com/ethz-asl/segmap

本文提出了SegMap：一种基于三维点云中片段提取的定位和映射问题的地图表示解决方案。除了促进处理3D点云的计算密集型任务之外，在段级别工作还解决了实时单机器人系统和多机器人系统的数据压缩需求。尽管当前的方法为单个本地任务提取描述符，但SegMap利用数据驱动的描述符来提取有意义的特征，这些特征也可用于重建环境的密集3D地图并提取语义信息。这对于导航任务以及向最终用户(例如机器人操作员)提供视觉反馈尤其有用，例如在搜索和救援场景中。这些功能在多个城市驾驶和搜索和救援实验中得到证明。

《InstaGAN: Instance-aware Image Translation》

GitHub: https://github.com/sangwoomo/instagan

InstaGAN 会生成图像的实例分割掩码(属于同一实例的像素组)，它会结合目标的边界并同时忽略颜色等细节。InstaGAN 转换了一幅图像和一组相应的实例属性，并同时力求保留背景语境。