메종 드 성호

OD보다는 확실히 간단한듯

깃허브에 있는건데, 조금 더 자세하다.

머피북 SLAM 공부하다 ML보니까 상당히 도움되는 부분이 많다. 아직 초반이긴 함

SLAM은 동시적 맵 생성 및 로컬화지만, 요즘 트렌드는 sparse한 맵을 구성함 맵이 dense하지 않는 이상 이를 제대로 사용하기 힘듦, 그렇다고 덴스 맵을 사용하기 위해 lidar를 사용하면 비쌈 다른 방법으로 Stereo camera를 이용한 방법이 있는데, 부정확하고 자원이 많이 소요됨 이는 카메라 하나로 학습을 통해 덴스한 뎁스를 추론함. 스테레오로 비지도 학습 -> 모노로 추론함 또한 왼쪽 시차와 오른쪽 시차의 일관성으로 더 정확한 덴스맵을 구성 인간이 사실 한쪽 눈으로도 뎁스를 추정가능 -> 원근감, 친숙한 물체의 크기 지식, 조명, 음영, 폐색과 같은 학습 기반 지식 기계는 스테레오 매칭 혹은모노 + 모션으로 뎁스를 추정함 카메라가 rectified 됐을 때, 시차를 알면 뎁스를 구하는..

이건 아마 연구실 딥러닝 모델(오브젝트 트래킹) 개선하려고 공부했던것.

스터디 공부용으로 작성했던거 고전적인 CNN모델을 백본으로 사용하지 않고 transformer란 놈을 사용했다.

cnn을 사용하지 않고 어텐션이란 놈을 사용했다. 원래는 자연어 처리에 쓰이던 놈인데 비전에도 많이 쓰이고 sota를 먹는다고 한다.