User: Guest  Login
Original title:
Deep Learning Meets Visual Localization
Translated title:
Deep Learning Trifft Auf Visuelle Lokalisierung
Author:
Zhou, Qunjie
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Leal-Taixé, Laura (Prof. Dr.)
Referee:
Leal-Taixé, Laura (Prof. Dr.); Pollefeys, Marc (Prof. Dr.); Matas, Jiri (Prof., Ph.D.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
Keywords:
Visual Localization
TUM classification:
DAT 706; DAT 770; DAT 708
Abstract:
Visual localization is the task of determining the camera pose of a query image with respect to a 3D environment. The rapid development of deep learning has led to significant improvement of the existing methods meanwhile opened up several new options for tackling localization. This thesis focuses on investigating and understanding the potentials and limitations of the existing learning-based localization as well as developing new data-driven solutions to address the remaining challenges.
Translated abstract:
Visuelle Lokalisierung ist die Aufgabe, die Kamerapose eines Anfragebildes in Bezug auf eine 3D-Umgebung zu bestimmen. Die rasante Entwicklung von Deep Learning hat zu einer deutlichen Verbesserung der bestehenden Methoden geführt und gleichzeitig mehrere neue Optionen zur Lösung der Lokalisierung eröffnet. Diese Arbeit konzentriert sich auf die Untersuchung und das Verständnis der Potenziale und Grenzen der bestehenden lernbasierten Lokalisierung sowie auf die Entwicklung neuer datengesteuerter...     »
WWW:
https://mediatum.ub.tum.de/?id=1693333
Date of submission:
22.12.2022
Oral examination:
06.07.2023
File size:
6722820 bytes
Pages:
114
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230706-1693333-1-0
Last change:
20.10.2023
 BibTeX