利用 LSTM 进行结构化特征相关的基于图像的定位
计算机视觉与模式识别
2017-08-22 v4
摘要
在本文中，我们提出了一种用于室内和室外场景相机位姿回归的 CNN+LSTM 新架构。CNN 使我们能够学习适用于定位的特征表示，且对运动模糊和光照变化具有鲁棒性。我们在 CNN 输出上使用 LSTM 单元，其扮演对特征向量进行结构化降维的角色，从而大幅提升定位性能。我们对基于 CNN 和基于 SIFT 的定位方法进行了广泛的定量比较，展示了各自的优缺点。此外，我们提出了一个新的大规模室内数据集，带有来自激光扫描仪的精确真值。在室内和室外公开数据集上的实验结果表明，我们的方法优于现有的深度架构，并能在困难条件下定位图像，例如在存在大面积无纹理表面的情况下，经典的基于 SIFT 的方法会失效。
引用
@article{arxiv.1611.07890,
title = {Image-based localization using LSTMs for structured feature correlation},
author = {Florian Walch and Caner Hazirbas and Laura Leal-Taixé and Torsten Sattler and Sebastian Hilsenbeck and Daniel Cremers},
journal= {arXiv preprint arXiv:1611.07890},
year = {2017}
}