论文 / 摘要阅读
评估深度增强视觉特征在跨数据集月球可通行性估计中的表现
Evaluating Depth-Augmented Visual Features for Cross-Dataset Lunar Traversability Estimation
AI 导读 · 根据来源整理
研究构建弱监督框架,用稀疏成对标注训练,检验在视觉特征中加入深度、表面法线和组合几何描述符能否提升月球可通行性估计。在域内与跨域设置下,使用两个地球模拟数据集和真实嫦娥PCAM数据集评估,结果显示朴素几何增强相对强视觉基线无稳定提升,效果小于随机种子间方差。训练数据源的选择才是迁移质量的主导因素,域相关数据源训练的模型迁移到真实月球影像的效果明显更好;评估在资源受限的边缘设备上运行。
本站目前提供摘要
以上是对来源材料的中文整理,不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源:arXiv · cs.RO · arxiv.org