DronePose：通过平滑轮廓损失合成照片级真实无人机辅助数据集以用于3D姿态估计
计算机视觉与模式识别
2020-08-24 v2 图形学
机器人学
图像与视频处理
摘要
在本工作中，我们将无人机视为协作智能体，在人类用户的操作中提供支持。在此背景下，无人机辅助体的3D定位是一项重要任务，可促进用户与无人机之间的空间信息交换。为以数据驱动方式解决此问题，我们设计了一个数据合成流水线，以创建包含外中心用户视角和内中心无人机视角的真实多模态数据集。随后我们利用照片级真实与合成输入的联合可用性，训练一个单发单目姿态估计模型。在训练中，我们利用可微渲染，以一种新颖的平滑轮廓损失补充最先进的直接回归目标。我们的结果展示了其在定性及定量性能上相对于传统轮廓目标的提升。我们的数据与代码可在 https://vcl3d.github.io/DronePose 获取。
引用
@article{arxiv.2008.08823,
title = {DronePose: Photorealistic UAV-Assistant Dataset Synthesis for 3D Pose Estimation via a Smooth Silhouette Loss},
author = {Georgios Albanis and Nikolaos Zioulis and Anastasios Dimou and Dimitrios Zarpalas and Petros Daras},
journal= {arXiv preprint arXiv:2008.08823},
year = {2020}
}
备注
Accepted in ECCVW 2020