FocusTune：通过聚焦引导采样调优视觉定位
计算机视觉与模式识别
2023-11-07 v1
摘要
我们提出FocusTune，一种聚焦引导采样技术，用于提升视觉定位算法的性能。FocusTune利用关键几何约束，将场景坐标回归模型导向对3D点三角化至关重要的区域。具体而言，我们不再为训练场景坐标回归模型而在图像上均匀采样点，而是将3D场景坐标重投影到2D图像平面，并在重投影点局部邻域内采样。尽管我们提出的采样策略普遍适用，我们通过将其与近期提出的Accelerated Coordinate Encoding（ACE）模型集成来展示FocusTune。我们的结果表明，FocusTune在保持ACE引人注目的低存储与计算需求的同时，提升或匹配了最先进性能，例如在Cambridge Landmarks数据集上，单模型和集成模型的平移误差分别从25降至19厘米、从17降至15厘米。这种高性能与低计算及存储需求的结合，对移动机器人和增强现实等领域的应用尤为 promising。我们的代码发布于\url{https://github.com/sontung/focus-tune}。
引用
@article{arxiv.2311.02872,
title = {FocusTune: Tuning Visual Localization through Focus-Guided Sampling},
author = {Son Tung Nguyen and Alejandro Fontan and Michael Milford and Tobias Fischer},
journal= {arXiv preprint arXiv:2311.02872},
year = {2023}
}