← All tags
#Deep Learning
40 posts.
- 论文解读:ALIKE,可微分关键点检测与轻量级局部特征
- 论文解读:ALIKED,在稀疏关键点上做可变形描述
- 论文解读:D2-Net,一张特征图同时做描述子与检测器
- 论文解读:DISK,用策略梯度直接优化匹配数
- 论文解读:DKM,把稠密匹配写成高斯过程回归
- 论文解读:DUSt3R,把未标定图像的两视图重建写成 pointmap 回归
- 图像匹配的演进:从可学习检测器到三维基础模型
- 论文解读:LightGlue,让稀疏特征匹配随难度自适应地快
- 论文解读:LoFTR,无检测器的 Transformer 半稠密匹配
- 论文解读:MASt3R,把图像匹配锚定在三维点上
- 论文解读:MINIMA,用数据引擎把 RGB 匹配数据扩成 480M 跨模态对
- 论文解读:R2D2,检测器要可重复,描述子要可靠
- 论文解读:RIPE,用「是否同一场景」的二元标签训练关键点
- 论文解读:XFeat,把局部特征匹配压进 CPU 实时预算
- 论文解读:XoFTR,让可见光与热红外在 LoFTR 里对上话
- 论文解读:OctoSense,多传感器机器人感知的数据集与晚期融合 MAE
- 论文解读:Unified Inertial Encoder,用人体动捕训练类人机器人的惯性感知
- 论文解读:SSIO 与 IMUDINO,自监督惯性感知的两种老师
- 论文解读:DeDoDe,检测与描述解耦的局部特征匹配
- 论文解读:LoMa,局部特征匹配的「数据与容量」回归
- 论文解读:Neural Networks Are Already Clean,可解释性不需要先「解开结」
- 论文解读:BEVFormer,用时空 Transformer 从环视相机里长出鸟瞰图
- 论文解读:DaD,用强化学习训练不依赖描述子的关键点检测器
- 论文解读:MVLoMa,把成对局部匹配变成星形多视图匹配
- 论文解读:OpenWAM,世界-动作模型预训练的设计空间与开源配方
- 论文解读:Qwen3-VL,六款模型、256K 上下文与三个架构升级
- 论文解读:RoMa 三部曲,从鲁棒稠密匹配到前馈 3D 特征
- 论文解读:World Model for Robot Learning,世界模型进入机器人学习的路线图
- 论文解读:BEVFusion,在鸟瞰图空间里做多任务多传感器融合
- 论文解读:FlexGlue,稀疏到稠密特征匹配与视觉消歧的统一
- 论文解读:RaCo,给学习型关键点加上排序与协方差
- 论文解读:VidMap,把视频的时间结构塞进全局 SfM
- 交互式理解 DINO 系列:从自蒸馏到视觉基础模型
- 交互式理解 Transformer:从一个点积到一整个模型
- 浅谈视觉定位技术:Visual Localization Revisited
- 笔记:SuperGlue: Learning Feature Matching with Graph Neural Networks 论文阅读
- 笔记:SuperPoint: Self-Supervised Interest Point Detection and Description 自监督深度学习特征点
- 深度学习在深度(视差)估计中的应用(2)
- 深度学习在深度(视差)估计中的应用(1)
- MATLAB Deep Learning 学习笔记