基于渲染与比较的焦距与物体位姿估计
计算机视觉与模式识别
2022-04-12 v1
摘要
我们提出FocalPose，一种神经渲染-比较方法，用于在给定描绘已知物体的单张RGB输入图像时，联合估计相机-物体6D位姿与相机焦距。本工作的贡献有两点。首先，我们推导了一种焦距更新规则，将现有的最先进渲染-比较6D位姿估计器扩展以处理该联合估计任务。其次，我们研究了几种用于联合估计物体位姿与焦距的不同损失函数。我们发现，直接焦距回归与解耦平移、旋转和焦距贡献的重投影损失相结合可带来改进结果。我们在三个具挑战性的基准数据集上展示了结果，这些数据集描绘了非受控设定下的已知3D模型。我们证明，我们的焦距与6D位姿估计误差低于现有最先进方法。
引用
@article{arxiv.2204.05145,
title = {Focal Length and Object Pose Estimation via Render and Compare},
author = {Georgy Ponimatkin and Yann Labbé and Bryan Russell and Mathieu Aubry and Josef Sivic},
journal= {arXiv preprint arXiv:2204.05145},
year = {2022}
}
备注
Accepted to CVPR2022. Code available at http://github.com/ponimatkin/focalpose