利用等变特征进行绝对位姿回归
计算机视觉与模式识别
2022-04-06 v1
摘要
尽管端到端方法已在许多感知任务中达到最先进性能，它们尚不能在位姿估计中与基于 3D 几何的方法竞争。此外，绝对位姿回归已被表明更接近于图像检索。因此，我们假设经典卷积神经网络所学习的统计特征未携带足够几何信息以可靠地解决这一本质上的几何任务。本文中，我们展示平移与旋转等变卷积神经网络如何直接将相机运动的表示引入特征空间。接着我们表明，该几何属性允许在一整类保持图像平面的变换下隐式地增广训练数据。因此，我们认为直接学习等变特征优于学习数据密集的中间表示。全面的实验验证表明，我们的轻量模型在标准数据集上优于现有模型。
引用
@article{arxiv.2204.02163,
title = {Leveraging Equivariant Features for Absolute Pose Regression},
author = {Mohamed Adel Musallam and Vincent Gaudilliere and Miguel Ortiz del Castillo and Kassem Al Ismaeil and Djamila Aouada},
journal= {arXiv preprint arXiv:2204.02163},
year = {2022}
}
备注
11 pages, 8 figures, CVPR2022