FAR：灵活、准确且鲁棒的六自由度相对相机位姿估计
计算机视觉与模式识别
2024-03-06 v1
摘要
估计图像之间的相对相机位姿一直是计算机视觉中的核心问题。寻找对应关系并求解基础矩阵的方法在大多数情况下具有高精度。相反，使用神经网络直接预测位姿的方法对有限重叠区域更具鲁棒性，并且能够推断绝对平移尺度，但以降低精度为代价。我们展示了如何结合这两种方法的优点；我们的方法产生的结果既精确又鲁棒，同时还能准确推断平移尺度。我们模型的核心是一个 Transformer，它 学习在求解的位姿估计和学习的位姿估计之间进行平衡， 提供先验以指导求解器。全面的分析支持了我们的设计选择，并证明我们的方法能灵活适应各种特征提取器和对应估计器，在 Matterport3D、InteriorNet、StreetLearn 和 Map-free Relocalization 上的六自由度位姿估计中展现出最先进的性能。
引用
@article{arxiv.2403.03221,
title = {FAR: Flexible, Accurate and Robust 6DoF Relative Camera Pose Estimation},
author = {Chris Rockwell and Nilesh Kulkarni and Linyi Jin and Jeong Joon Park and Justin Johnson and David F. Fouhey},
journal= {arXiv preprint arXiv:2403.03221},
year = {2024}
}
备注
Accepted to CVPR 2024. Project Page: https://crockwell.github.io/far/