摘要
将当前的定位系统扩展到大型环境的主要困难之一是地图所需的车载存储。在本文中，我们建议学习如何压缩地图表示，使之最适合于定位任务。因此，与优化重构的标准编码方案相比，可以在不损失定位精度的情况下实现更高的压缩率，从而忽略了最终任务。我们的实验表明，与WebP等通用编解码器相比，学习特定任务的压缩可以在不牺牲性能的情况下减少两个数量级的存储需求。
作者
新凯,Ioan安德烈Barsan,神龙王,朱丽叶马丁内斯,拉奎尔Urtasun
会议
CVPR 2019
论文全文
超级ATG
评论