FAFA：用于水下目标位姿估计的频率感知流辅助自监督
计算机视觉与模式识别
2024-09-26 v1
摘要
尽管室内场景中的目标位姿估计方法已取得巨大成功，但由于复杂水下环境带来的困难（如光照退化、模糊以及获取真实标注的高昂成本），水下目标的位姿估计仍然具有挑战性。为此，我们引入了 FAFA，一种用于无人水下航行器（UUV）6D 位姿估计的频率感知流辅助自监督框架。本质上，我们首先在合成数据上训练基于频率感知流的位姿估计器，其中提出了一种基于 FFT 的增强方法，以促进网络从频率角度捕获域不变特征和目标域风格。此外，我们通过强制执行流辅助的多级一致性来进行自监督训练，使其适应真实世界的水下环境。我们的框架仅依赖 3D 模型和 RGB 图像，缓解了对任何真实位姿标注或深度等其他模态数据的需求。我们在常见的水下目标位姿基准上评估了 FAFA 的有效性，并展示了与最先进方法相比显著的性能提升。代码可在 github.com/tjy0703/FAFA 获取。
引用
@article{arxiv.2409.16600,
title = {FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation},
author = {Jingyi Tang and Gu Wang and Zeyu Chen and Shengquan Li and Xiu Li and Xiangyang Ji},
journal= {arXiv preprint arXiv:2409.16600},
year = {2024}
}
备注
ECCV 2024