物体至关重要：学习物体关系图以实现鲁棒相机重定位
计算机视觉与模式识别
2022-05-27 v1
摘要
视觉重定位旨在从一张或多张图像中估计相机位姿。近年来，基于深度学习的位姿回归方法引起了诸多关注。它们的特点是预测绝对位姿而无需依赖任何预先构建的地图或存储的图像，使重定位非常高效。然而，在具有复杂外观变化和真实动态的环境中实现鲁棒重定位仍极具挑战。本文中，我们提出通过提取物体间的深层关系来增强图像特征的区分性。具体而言，我们提取图像中的物体并构建深层物体关系图（ORG），以融入物体的语义连接与相对空间线索。我们将ORG模块集成到几种流行的位姿回归模型中。在各种公开室内与室外数据集上的大量实验表明，我们的方法显著提升了性能并优于先前的方法。
引用
@article{arxiv.2205.13280,
title = {Objects Matter: Learning Object Relation Graph for Robust Camera Relocalization},
author = {Chengyu Qiao and Zhiyu Xiang and Xinglu Wang},
journal= {arXiv preprint arXiv:2205.13280},
year = {2022}
}