AtLoc：注意力引导的相机定位
计算机视觉与模式识别
2019-10-29 v2
摘要
深度学习在相机定位中取得了令人印象深刻的成果，但当前的单图像技术通常缺乏鲁棒性，导致出现较大的离群值。在某种程度上，这可以通过序列（多图像）或几何约束方法加以解决，这类方法能够学习拒绝动态物体与光照条件以获得更好的性能。在本工作中，我们表明注意力可用于迫使网络聚焦于几何上更鲁棒的物体与特征，即使在仅以单幅图像作为输入的情况下，也能在常用基准上达到最先进的性能。我们通过公开的室内与室外数据集提供了广泛的实验证据。通过对显著图的 Visualization，我们展示了网络如何学习拒绝动态物体，从而产生更优的全局相机位姿回归性能。源代码可在 https://github.com/BingCS/AtLoc 获取。
引用
@article{arxiv.1909.03557,
title = {AtLoc: Attention Guided Camera Localization},
author = {Bing Wang and Changhao Chen and Chris Xiaoxuan Lu and Peijun Zhao and Niki Trigoni and Andrew Markham},
journal= {arXiv preprint arXiv:1909.03557},
year = {2019}
}