DFNet：通过直接特征匹配增强绝对位姿回归
计算机视觉与模式识别
2022-07-21 v4
摘要
我们引入了一种结合绝对位姿回归（APR）与直接特征匹配的相机重定位流程。通过引入曝光自适应新视角合成，我们的方法成功解决了现有基于光度方法无法处理的户外环境光度畸变。借助域不变特征匹配，我们的方案利用无标签数据的半监督学习提升了位姿回归精度。具体而言，该流程由两个组件构成：新视角合成器与 DFNet。前者合成补偿曝光变化的新视角，后者回归相机位姿并提取缩小真实图像与合成图像间域差距的鲁棒特征。此外，我们引入了在线合成数据生成方案。我们展示了这些方法有效增强了室内与室外场景下的相机位姿估计。因此，我们的方法达到了最先进精度，比现有单图像 APR 方法高出至多 56%，可与基于 3D 结构的方法相媲美。
引用
@article{arxiv.2204.00559,
title = {DFNet: Enhance Absolute Pose Regression with Direct Feature Matching},
author = {Shuai Chen and Xinghui Li and Zirui Wang and Victor Adrian Prisacariu},
journal= {arXiv preprint arXiv:2204.00559},
year = {2022}
}
备注
ECCV 2022. Code released at https://github.com/ActiveVisionLab/DFNet