面向姿态图初始化的全局感知边优先级
计算机视觉与模式识别
2026-02-26 v1
摘要
姿态图是结构化运动 (SfM) 的核心组件，其中图像作为节点，边编码相对姿态。由于几何验证计算昂贵，SfM 流程将姿态图限制在稀疏的候选边集合上，使初始化至关重要。现有方法依赖图像检索将每个图像连接到其个最近邻，独立处理配对且忽略全局一致性。我们通过边优先级概念解决此限制，将候选边按其对SfM的实用性进行排序。我们的ethods 包含三个组成部分：(1) 采用SfM 监督训练的GNN，用于预测全局一致的边可靠性；(2) 基于这些排名的多最小生成树姿态图构建；(3) 连通性感知的得分调制，强化弱区域并缩小图的直径。这种全局感知的初始化产生更可靠、更紧凑的姿态图，在稀疏和高速场景中提高重建精度，并在歧义场景中超越SOTA 检索方法。该ode和训练好的模型已发布于https://github.com/weitong8591/global_edge_prior。
引用
@article{arxiv.2602.21963,
title = {Global-Aware Edge Prioritization for Pose Graph Initialization},
author = {Tong Wei and Giorgos Tolias and Jiri Matas and Daniel Barath},
journal= {arXiv preprint arXiv:2602.21963},
year = {2026}
}
备注
accepted to CVPR 2026