LandscapeAR

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F20%3APR34225" target="_blank" >RIV/00216305:26230/20:PR34225 - isvavai.cz</a>

Výsledek na webu

<a href="https://github.com/brejchajan/LandscapeAR" target="_blank" >https://github.com/brejchajan/LandscapeAR</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

LandscapeAR

Popis výsledku v původním jazyce

We introduce a solution to large scale Augmented Reality for outdoor scenes by registering camera images to textured Digital Elevation Models (DEMs). To accommodate the inherent differences in appearance between real images and DEMs, we train a cross-domain feature descriptor using Structure From Motion (SFM) guided reconstructions to acquire training data. Our method runs efficiently on a mobile device and outperforms existing learned and hand-designed feature descriptors for this task. This project implements our research paper LandscapeAR: Large Scale Outdoor Augmented Reality by Matching Photographs with Terrain Models Using Learned Descriptors (http://cphoto.fit.vutbr.cz/LandscapeAR/), which has been published on the European Conference on Computer Vision - ECCV 2020. 

Název v anglickém jazyce

LandscapeAR

Popis výsledku anglicky

We introduce a solution to large scale Augmented Reality for outdoor scenes by registering camera images to textured Digital Elevation Models (DEMs). To accommodate the inherent differences in appearance between real images and DEMs, we train a cross-domain feature descriptor using Structure From Motion (SFM) guided reconstructions to acquire training data. Our method runs efficiently on a mobile device and outperforms existing learned and hand-designed feature descriptors for this task. This project implements our research paper LandscapeAR: Large Scale Outdoor Augmented Reality by Matching Photographs with Terrain Models Using Learned Descriptors (http://cphoto.fit.vutbr.cz/LandscapeAR/), which has been published on the European Conference on Computer Vision - ECCV 2020. 

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LTAIZ19004" target="_blank" >LTAIZ19004: Topografická analýza obrazu s využitím metod hlubokého učení</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

LandscapeAR

Technické parametry

https://github.com/brejchajan/LandscapeAR

Ekonomické parametry

Produkt se poskytuje zdarma na základě uvedené licenční smlouvy.

IČO vlastníka výsledku

00216305

Název vlastníka

Vysoké učení technické v Brně