- Visuelle Cross-View-Geolokalisierung für Out of doors Augmented Actuality (arXiv)
Autor: Niluthpol Chowdhury Mithun, Kshitij Minhas, Han-Pang Chiu, Taragay Oskiper, Michail Sizintsev, Supun Samarasekera, Rakesh Kumar
Zusammenfassung: Eine genaue Schätzung der globalen Orientierung und des Standorts ist entscheidend, um ein überzeugendes Augmented Actuality (AR)-Erlebnis im Freien zu gewährleisten. Wir gehen das Drawback der Geo-Pose-Schätzung an, indem wir abgefragte Bodenbilder ansichtsübergreifend mit einer georeferenzierten Luftsatellitenbilddatenbank abgleichen. In jüngster Zeit haben auf neuronalen Netzwerken basierende Methoden Spitzenleistungen beim Cross-View-Matching gezeigt. Die meisten früheren Arbeiten konzentrieren sich jedoch nur auf die Standortschätzung und ignorieren die Orientierung, die den Anforderungen von Out of doors-AR-Anwendungen nicht gerecht werden kann. Wir schlagen ein neues transformatorisches neuronales Netzwerk-basiertes Modell und einen modifizierten Triplett-Rating-Verlust für die gemeinsame Standort- und Orientierungsschätzung vor. Experimente mit mehreren Benchmark-Cross-View-Geolokalisierungsdatensätzen zeigen, dass unser Modell eine Leistung auf dem neuesten Stand der Technik erreicht. Darüber hinaus präsentieren wir einen Ansatz zur Erweiterung des auf Einzelbildabfragen basierenden Geolokalisierungsansatzes durch die Nutzung zeitlicher Informationen aus einer Navigationspipeline für eine robuste kontinuierliche Geolokalisierung. Experimente mit mehreren groß angelegten realen Videosequenzen zeigen, dass unser Ansatz eine hochpräzise und stabile AR-Einfügung ermöglicht.
2. Digitaler Zwilling einer Netzwerk- und Betriebsumgebung mit Augmented Actuality (arXiv)
Autor: Haoshuo Chen, Xiaonan Xu, Jesse E. Simsarian, Mijail Szczerban, Rob Harby, Roland Ryf, Mikael Mazur, Lauren Dallachiesa, Nicolas K. Fontaine, John Cloonan, Jim Sandoz, David T. Neilson
Zusammenfassung: Wir demonstrieren den digitalen Zwilling eines Netzwerks, von Netzwerkelementen und einer Betriebsumgebung mithilfe von maschinellem Lernen. Mithilfe von Augmented Actuality erreichen wir die Lokalisierung von Netzwerkkartenfehlern und die Distant-Zusammenarbeit über 86 km Glasfaser.
