IMP：基于自适应池化的迭代匹配与位姿估计
计算机视觉与模式识别
2023-06-13 v2
摘要
以往的方法采用两阶段流程解决特征匹配与位姿估计问题，即先寻找匹配再估计位姿。由于忽略了两项任务之间的几何关系，它们侧重于提升匹配质量或滤除潜在离群点，导致效率或精度有限。相比之下，我们提出一种迭代匹配与位姿估计框架（IMP），利用两项任务间的几何联系：少量良好匹配足以获得粗略准确的位姿估计；而粗略准确的位姿可通过提供几何约束来引导匹配。为此，我们实现了一个几何感知的基于循环注意力的模块，联合输出稀疏匹配与相机位姿。具体而言，在每次迭代中，我们首先通过位姿一致性损失将几何信息隐式嵌入模块，使其逐步预测几何感知的匹配。其次，我们引入一种高效的 IMP，称为 EIMP，动态丢弃无潜在匹配的关键点，避免冗余更新并显著降低 transformer 中注意力计算的二次时间复杂度。在 YFCC100m、Scannet 与 Aachen Day-Night 数据集上的实验表明，所提方法在精度与效率上均优于以往方法。
引用
@article{arxiv.2304.14837,
title = {IMP: Iterative Matching and Pose Estimation with Adaptive Pooling},
author = {Fei Xue and Ignas Budvytis and Roberto Cipolla},
journal= {arXiv preprint arXiv:2304.14837},
year = {2023}
}
备注
CVPR 2023. code available at https://github.com/feixue94/imp-release