Skip to content

Robotics and Computer Vision Lab

AI in Sensing, AI in Perception, AI in Action

  • About
    • History
    • Photo
    • Admission
  • Members
  • Publications
    • Patents
  • X-Review
  • X-Diary
  • Peer Review
 Posted in Publications

“3rd Place Solution to NAVER LABS Mapping & Localization Challenge 2020: Indoor Track,” 33rd Workshop on Image Processing and Image Understanding (IPIU), Feb 2021.

 최 유경  02/01/2021  2 Comments on “3rd Place Solution to NAVER LABS Mapping & Localization Challenge 2020: Indoor Track,” 33rd Workshop on Image Processing and Image Understanding (IPIU), Feb 2021.

발표자료 : [pdf]

Author: 최 유경

Computer Vision, Machine Learning

Post navigation

← “실내 수직농장의 재배 제어 방식 자동화를 위한 영상 기반의 작물 성장 상태 모니터링,” 33rd Workshop on Image Processing and Image Understanding (IPIU), Feb 2021.
“3rd Place Solution to NAVER LABS Mapping & Localization Challenge 2020: Outdoor Track,” 33rd Workshop on Image Processing and Image Understanding (IPIU), Feb 2021. →

2 thoughts on ““3rd Place Solution to NAVER LABS Mapping & Localization Challenge 2020: Indoor Track,” 33rd Workshop on Image Processing and Image Understanding (IPIU), Feb 2021.”

  1. ykchoi says:
    10/02/2021 at 14:32

    네이버 랩스 발표자료라도 올립시다. 영상이 있으면 더욱 좋구요.

    Log in to Reply
    1. 조 원 says:
      10/05/2021 at 10:22

      발표자료 올려두었습니다..! 영상은 맥북 뒤적뒤적해서 찾아보겠습니당

      Log in to Reply

Leave a Reply Cancel reply

You must be logged in to post a comment.

Conference Deadline

NEW POST

  • [ICML 2026] Causal-JEPA: Learning World Models through Object-Level Latent Masking
  • [ICML 2026] Zooming without Zooming: Region-to-Image Distillation for Fine-Grained Multimodal Perception
  • [ICLR 2021] AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE
  • [ICRA 2025] Dual-BEV Nav: Dual-layer BEV-based Heuristic Path Planning for Robotic Navigation in Unstructured Outdoor Environments
  • [CVPR2025] ProAPO: Progressively Automatic Prompt Optimization for Visual Classification

New Comment

  1. 홍 주영 on [ICML 2026] Are Object-Centric Representations Better At Compositional Generalization?07/27/2026

    Q1. k-means 실험의 목적? >> DINOv2+k-means와 DINOv2+CA는 DINOSAURv2의 장점이 단순히 token을 줄였기 때문인지 확인하는 비교 실험입니다. 아마 리뷰어가 "그냥 토큰…

  2. 이 예은 on [arXiv 2025] UniFGVC: Universal Training-Free Few-Shot Fine-Grained Visual Classification via Attribute-Aware Multimodal Retrieval07/27/2026

    안녕하세요 주영님! 댓글 감사드립니다. 질문주신 것과 관련된 실험들이 있었는데, 리뷰에는 담지 못한 것 같아 댓글로 설명드리고자 합니다. 잘못된(판별력 있는 description…

  3. 이 예은 on [arXiv 2025] UniFGVC: Universal Training-Free Few-Shot Fine-Grained Visual Classification via Attribute-Aware Multimodal Retrieval07/27/2026

    안녕하세요 주연님 댓글 감사합니다! 저도 학습없이 fine-grained class에 대해 discriminative한 캡션을 잘~뽑아서 classification 성능을 올린다는 점에서 이 논문을 재미있게 읽은…

  4. 이 예은 on [arXiv 2025] UniFGVC: Universal Training-Free Few-Shot Fine-Grained Visual Classification via Attribute-Aware Multimodal Retrieval07/27/2026

    안녕하세요 승현님 댓글 감사합니다! Q1) Category-Discriminative Visual Captioner과정에서, 타겟 이미지와 시각적으로 유사한 t개의 샘플을 선택한다고 하셨는데, 클래스당 K개의 이미지로 구성된다면…

  5. 홍 주영 on ICML 2026 참관기07/27/2026

    특정 대화 하나보다는, 저자들이 후속 연구와 현재 방법의 한계를 솔직하게 설명해주셨던 순간들이 기억에 남습니다. 논문에 적힌 결과보다 저자들이 실제로 중요하게…

  • Sign-in
  • RCV-Calendar
  • RCV-Github
  • Paper R/W
    • Arxiv
    • Deadline
    • Overleaf
  • Coding
    • OnlineJudge
    • Kaggle

포기하지 않는 강한 집념 만이 작은 차이를 만든다.

Design by SejongRCV