KFNet：基于卡尔曼滤波的时序相机重定位学习
计算机视觉与模式识别
2020-03-25 v1
摘要
时序相机重定位依次估计相对于每个视频帧的位姿，而非聚焦于静态图像的一次性重定位。尽管已考虑时间依赖性，当前时序重定位方法在精度上仍普遍不及最先进的一次性方法。本工作中，我们通过采用一种融合卡尔曼滤波（KFNet）的网络架构来改进时序重定位方法，用于在线相机重定位。具体而言，KFNet将场景坐标回归问题扩展到时域，以递归地建立用于位姿确定的2D与3D对应关系。该网络架构设计与损失函数形式基于贝叶斯学习框架下的卡尔曼滤波。在多个重定位基准上的大量实验表明，KFNet在一次性与时序重定位方法之巅均具有高精度。我们的代码发布于https://github.com/zlthinker/KFNet。
引用
@article{arxiv.2003.10629,
title = {KFNet: Learning Temporal Camera Relocalization using Kalman Filtering},
author = {Lei Zhou and Zixin Luo and Tianwei Shen and Jiahui Zhang and Mingmin Zhen and Yao Yao and Tian Fang and Long Quan},
journal= {arXiv preprint arXiv:2003.10629},
year = {2020}
}
备注
An oral paper of CVPR 2020