面向内存高效摄像机重定位的可微产品量化

摄像机重定位依赖于具有大内存占用的 3D 场景模型，这与某些应用的内存预算不兼容。减少场景内存大小的解决方案是通过删除某些 3D 点和描述子量化来实现地图压缩。这实现了高压缩率，但由于信息丢失导致性能下降。为解决内存与性能之间的权衡，我们训练一个轻量级场景特定自编码器网络，端到端可微地执行描述子量化-解量化，通过反向传播更新产品量化质心和网络参数。除了针对描述子重建优化网络外，我们还鼓励保留描述子匹配性能，以基于间隔的度量损失函数为目标。结果表明，在仅 1MB 的局部描述子内存下，所提出网络与地图压缩的协同组合在 Aachen Day-Night 数据集上实现了比现有压缩方法的最佳性能。