根據(jù)論文SceneSqueezer: Learning to Compress Scene for Camera Relocalization，達摩院團隊采用分層策略對3D地圖進行壓縮，首先利用成對的共可見性信息對數(shù)據(jù)庫圖像進行聚類，將場景劃分為多個集群分別壓縮；其次，基于最終的位姿估計精度，學習選擇每個圖片的特征點；最后通過特征量化方法壓縮特征點的描述。該算法在Cambridge Landmarks、Aachen Day-Night等室外場景數(shù)據(jù)集上取得了優(yōu)于既有方法的表現(xiàn)。
達摩院XR實驗室高級算法專家董子龍介紹，XR團隊自研三維算法體系，在建圖、定位等核心技術(shù)模塊屢有突破，今年已有多篇論文入選頂會。如Quadtree Attention for Vision Transformer提出四叉樹注意力機制，提升了基于視覺任務的Transformer模型的性能，入選深度學習頂會ICLR 2022；Neural Window Fully-connected CRFs for Monocular Depth Estimation提出單相機深度估計算法，利用消費級全景相機就可完成深度估計任務，大大降低三維建圖成本，文章被CVPR 2022錄用。
XR實驗室是達摩院新近成立的實驗室，致力于研究下一代互聯(lián)網(wǎng)技術(shù)，該團隊研發(fā)的AR、VR技術(shù)已落地跨境電商、數(shù)字城區(qū)等多個場景，如為杭州文三數(shù)字生活街區(qū)建造1:1還原的三維“數(shù)字孿生體”，為杭州奧體中心10萬平米地下停車場開發(fā)AR導航服務等。
