学习用于相机定位的神经体积位姿特征
计算机视觉与模式识别
2024-07-15 v4
摘要
我们引入了一种新颖的神经体积位姿特征，称为 PoseMap，旨在通过封装图像与相关联的相机位姿之间的信息来增强相机定位。我们的框架利用了绝对位姿回归（APR）架构，以及一个增强的 NeRF 模块。这种集成不仅促进了新视图的生成以丰富训练数据集，而且还能学习有效的位姿特征。此外，我们扩展了我们的架构以进行自监督在线对齐，允许我们的方法在统一框架内用于未标记图像并进行微调。实验表明，我们的方法在室内和室外基准场景中平均实现了 14.28% 和 20.51% 的性能提升，以最先进的精度超越了现有的 APR 方法。
引用
@article{arxiv.2403.12800,
title = {Learning Neural Volumetric Pose Features for Camera Localization},
author = {Jingyu Lin and Jiaqi Gu and Bojian Wu and Lubin Fan and Renjie Chen and Ligang Liu and Jieping Ye},
journal= {arXiv preprint arXiv:2403.12800},
year = {2024}
}
备注
Accepted at ECCV 2024. Project page: https://gujiaqivadin.github.io/posemap/