CGA-PoseNet：基于一维提升共形几何代数方法的相机位姿回归
计算机视觉与模式识别
2023-02-13 v1
摘要
我们引入 CGA-PoseNet，其采用一维提升（1D-Up）方法处理共形几何代数（CGA），以单一数学对象——运动量（motor）——来表示旋转与平移，用于相机位姿回归。我们的出发点是从 PoseNet 开始，其能从 RGB 帧的小数据集中成功预测相机位姿。然而，最先进的方法需要昂贵的调参来平衡相机位姿中的朝向与平移分量。这通常通过待最小化的复杂、特设损失函数完成，某些情况下还需要 3D 点与图像。我们的方法优势在于通过运动量统一相机位置与朝向。因此，网络搜寻一个存在于具有欧氏签名的良态 4D 空间中的单一对象。这意味着我们能够处理仅含图像的数据集，并以简单损失函数高效工作，即预测运动量与真实运动量的均方误差（MSE）。我们表明，以显著更简便的问题表述实现高精度相机位姿回归是可能的。这种一维提升的 CGA 方法可紧凑而优雅地克服相机位姿回归中平移与朝向分量间的二分对立。
引用
@article{arxiv.2302.05211,
title = {CGA-PoseNet: Camera Pose Regression via a 1D-Up Approach to Conformal Geometric Algebra},
author = {Alberto Pepe and Joan Lasenby},
journal= {arXiv preprint arXiv:2302.05211},
year = {2023}
}