Literature Note
/
13:00, 우리는 이런 벡터공간을 표현해내기 위해 Transformer 모델을 사용한다. multi-head self attention 을 사용하는 transformer 은 그런 문제(참고1:중 데이터 문제)를 제거해준다.
Search
Share
🧠
13:00, 우리는 이런 벡터공간을 표현해내기 위해 Transformer 모델을 사용한다. multi-head self attention 을 사용하는 transformer 은 그런 문제(참고1:중 데이터 문제)를 제거해준다.
출처
수집시간
2021/10/21 02:44
연결완료
1 more property
참고
1.
12:30, 카메라 장착 위치를 알고 있고 카메라 정보도 아니까 카메라 intrinsic 과 extrinsic 은 다 가지고 있다. 그래서 이 점을 BEV (Top-Down Pixel Look) 에 찍어낼 수 있다. 문제는 이 투영이 정확히 이루어지기 굉장히 어렵다(참고1,2:어려움). 도로면이 오르막이거나 내리막일 수 있다는 점(이렇게 되면 당연히 Top-Down 평면에 투사가 불가능하겠지), 차가 도로경계를 가리고 있는 것과 같이 데이터로 인해 문제가 발생할 수 있다는 점이다. 이런 경우에는 (참고3) 에 따라, 이미지의 다른 부분을 찾아봐야 한다. 이건 바로잡기 정말 어렵다.
