日益感覺到自己對深度學習的理解比較膚淺，這段且當做是以前的認識。
上上周去圍觀了泡泡機器人和AR醬聯合舉辦的論壇。在圓桌階段，章國峰老師提了一個問題：SLAM會被深度學習方法取代嗎？這是一個很有趣的話題。參會的各位大咖基本認為SLAM的某些模塊有可能會被深度學習的方法取代，但SLAM本身不會被取代。視＋的CEO則認為SLAM整體上會被深度學習取代。
我的觀點更傾向於前者。略有不同之處是，我認為整個前端（或者說是VO）有可能會被深度學習方法取代，而后端則不會。
前端的理由有兩點：
前端是一個適合深度學習處理的問題。其輸入一般是連續圖像（或者其它傳感器數據），輸出是一個六自由度信息。前端有標准的數學模型，並且不算復雜，可以用神經網絡來表述。- 深度學習方法有可能能夠解決目前算法的局限性。不管是特征點法還是直接法，前端仍處於low level feature的階段，而low level feature不能滿足實際應用中對魯棒性、場景可擴展性的需求。而深度學習方法的優勢正是研究人員不必再費心於low level design。目前也已經出現用深度學習做stereo feature matching的工作，也有用神經網絡做計算視覺幾何的工作，將來也許可以實現端到端的輸入輸出。
目前我還有兩個沒想清楚的問題
- 現有VO算法中的Consistency問題，不知道深度學習方法能否隱式地解決。
- 多模態的數據融合是不是可以比現在做的更好（和上面一條也有一定關系）。
至於后端，目前基於圖的表示已經可以准確地表述和高效地求解BA問題。在SLAM實時性要求比較高的情況下，深度學習未必能做得更好（畢竟它也是用迭代算法求解的）。而對於離線數據，SFM已經可以做得很好了。機器學習方法如果能重新表述data association問題，高效求解並取得更好的結果，才會有可能取代目前的算法。