HyperPose：超网络赋能的相机位姿定位及扩展剑桥地标数据集
计算机视觉与模式识别
2025-03-06 v2
摘要
在本工作中，我们提出 HyperPose，其在绝对相机位姿回归器中利用超网络。自然场景中固有的外观变化（归因于环境条件、视角与光照）导致训练与测试数据集之间存在显著的域差异。该差异降低了当代定位网络的精度。为缓解此问题，我们主张将超网络引入单场景与多场景相机位姿回归模型。在推理时，超网络基于特定输入图像动态计算定位回归头的自适应权重，有效缩小域差距。利用室内与室外数据集，我们在多个已建立的绝对位姿回归架构上评估了 HyperPose 方法。我们还引入并共享了 Extended Cambridge Landmarks（ECL）这一基于 Cambridge Landmarks 数据集的新型定位数据集，其在多个季节以显著变化的外观条件下展示。我们的实证实验表明，HyperPose 为单场景与多场景架构带来了显著的性能提升。我们已公开提供源代码、预训练模型及 ECL 数据集。
引用
@article{arxiv.2303.02610,
title = {HyperPose: Hypernetwork-Infused Camera Pose Localization and an Extended Cambridge Landmarks Dataset},
author = {Ron Ferens and Yosi Keller},
journal= {arXiv preprint arXiv:2303.02610},
year = {2025}
}
备注
Accepted to The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2025