Buchumschlag

Neural-Guided RANSAC for estimating epipolar geometry [data]

Pre-computed sparse feature correspondences for pairs of images (outdoor and indoor) to reproduce the experiments described in our paper, particularly to train and evaluate NG-RANSAC. For more information, also see the code documentation: https://github.com/vislearn/ngransac

Gespeichert in:
Bibliographische Detailangaben
1. Verfasser: Brachmann, Eric (VerfasserIn)
Dokumenttyp: Datenbank Forschungsdaten
Sprache:Englisch
Veröffentlicht: Heidelberg Universität 2020-09-07
DOI:10.11588/data/PCGYET
Schlagworte:
Forschungsdaten
Datenbank
Online-Zugang:Verlag, kostenfrei, Volltext: https://doi.org/10.11588/data/PCGYET
Verlag, kostenfrei, Volltext: https://heidata.uni-heidelberg.de/dataset.xhtml?persistentId=doi:10.11588/data/PCGYET
Volltext
Verfasserangaben:Eric Brachmann
Beschreibung
Zusammenfassung:Pre-computed sparse feature correspondences for pairs of images (outdoor and indoor) to reproduce the experiments described in our paper, particularly to train and evaluate NG-RANSAC. For more information, also see the code documentation: https://github.com/vislearn/ngransac
Beschreibung:Production date: 2019-03-31
Gesehen am 14.09.2020
Beschreibung:Online Resource
DOI:10.11588/data/PCGYET

Ähnliche Einträge