以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
#论文# #开源# RSS 2023|CoDEPS：用于深度估计和全景分割的在线连续学习
【CoDEPS: Online Continual Learning for Depth Estimation and Panoptic Segmentation】
文章链接：http://www.roboticsproceedings.org/rss19/p073.pdf
开源代码：CoDEPS
作者单位：弗莱堡大学、纽伦堡工业大学（德）
在开放的世界中操作机器人需要对以前看不见的环境具有高度的鲁棒性。最优的情况是，机器人能够在没有人类监督的情况下自行适应新的条件，例如，自动调整其感知系统以适应变化的光照条件。在这项工作中，我们以在线的方式解决了在新环境中基于深度学习的单目深度估计和全景分割的持续学习任务。
我们引入CoDEPS，在利用经验回放缓解灾难性遗忘的同时，进行涉及多个真实世界域的持续学习。特别地，我们提出了一种新颖的域混合策略来生成伪标注以适应全景分割。此外，我们通过利用基于稀有语义类采样和图像多样性的采样策略来构建固定大小的重放缓冲区，从而明确地解决了机器人系统的有限存储能力。我们在各种真实世界的数据集上对CoDEPS进行了广泛的评估，证明了它成功地适应了不可见的环境，而没有牺牲以前领域的性能，同时实现了最先进的结果。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
推荐阅读
如何快速上手基于NeRF的SLAM？
太强了！世界第一款开源的自动驾驶一体化框架Autoware！（附交流群）
【全网首个】3D Gaussian Splatting原理、应用场景及最新进展
【全网首个】详解深度学习特征提取匹配开源算法SuperPoint和SuperGlue
