Graph-CoVis：基于 GNN 的多视角全景全局位姿估计
计算机视觉与模式识别
2023-04-27 v1
摘要
本文研究在直立相机假设下，由一组 360 全景图进行宽基线相机位姿估计的问题。近期工作已证明深度学习在 360 全景图对端到端直接相对位姿回归中的价值 [11]。为在学习框架中利用多视角逻辑的优势，我们引入 Graph-CoVis，其将 CoVisPose [11] 从相对双视角非平凡地扩展至全局多视角球面相机位姿估计。Graph-CoVis 是一种新颖的基于图神经网络（GNN）的架构，以端到端且全监督的方式联合学习共视结构与全局运动。利用具有宽基线、遮挡和有限视觉重叠的真实家居数据 ZInD [4]，我们表明我们的模型与最先进（SOTA）方法相比具有竞争力。
引用
@article{arxiv.2304.13201,
title = {Graph-CoVis: GNN-based Multi-view Panorama Global Pose Estimation},
author = {Negar Nejatishahidin and Will Hutchcroft and Manjunath Narayana and Ivaylo Boyadzhiev and Yuguang Li and Naji Khosravan and Jana Kosecka and Sing Bing Kang},
journal= {arXiv preprint arXiv:2304.13201},
year = {2023}
}