InCaRPose：面向车内相对相机姿态估计的模型与数据集

相机外参标定是计算机视觉中的基础任务，但在受限且严重畸变的环境中（如车内监控 ICAM），精确的相对姿态估计仍具有挑战性。我们提出 InCaRPose，一个基于 Transformer 的架构，专为稳健的图像对相对姿态预测而设计，可用于相机外参标定。通过利用冻结的 backbone 特征（如 DINOv3）和基于 Transformer 的解码器，我们的模型有效捕获参考视角与目标视角之间的几何关系。不同于传统方法，我们的方法在单个推理步骤中实现物理上可行的车内相机安装范围内的绝对尺度平移，这在 ICAM 中至关重要，因为需要精确的真实世界距离以实现安全相关的感知。我们特别针对车内汽车的高度畸变鱼眼相机，通过仅使用合成数据进行训练来解决挑战。我们的模型能够在不依赖相同相机内参的情况下泛化到真实世界的车内环境，并在公开的 7-Scenes 数据集上实现竞争性能。尽管训练数据有限，InCaRPose 在旋转和平移方面仍保持高精度，即使使用 ViT-Small backbone 亦可实现。这使其能够为需要实时推理的场景（如受监睈的自动驾驶中的驾驶员监控）提供实时性能。我们发布了由高度畸变车内图像构成的真实世界 In-Cabin-Pose 测试数据集及代码，地址为 https://github.com/felixstillger/InCaRPose。