PoseCompass：用于视觉定位的智能合成姿态选择
计算机视觉与模式识别
2026-05-13 v1
摘要
在视觉定位中，绝对姿态回归 (APR) 使单张图像实现 6 自由度相机姿态推断，却严重依赖细调数据质量和覆盖范围。虽然近期方法利用 3D 高斯溶解 (3DGS) 进行新视角合成数据增强，但随机采样会产生冗余视图和来自重建不良区域的噪声样本。为缓解此研究空白，我们提出 PoseCompass，一种针对 3DGS 基于 APR 的智能姿态选择管道。PoseCompass 构建合成姿态选择问题，导出基于价值的姿态排序机制以识别信息丰富的姿态。排序集成三个维度：定位难度 (Localization Difficulty)，以激励具有挑战性的区域；覆盖新奇性 (Coverage Novelty)，探索欠采样区域；渲染可观测性 (Rendering Observability)，筛选噪声和伪影。PoseCompass 随后生成受轨迹约束的候选姿态，选取最高排名的前 K 个姿态，并使用轻量级扩散对齐进行 3DGS 合成视图。最后，在混合真实和合成数据上对姿态回归器进行微调。我们在 7-Scenes 上评估 PoseCompass，将适应时间从 15.2 分钟缩短至 5.1 分钟，提速 3 倍，同时中位姿态误差降低 53.8%，显著优于随机基线。
引用
@article{arxiv.2605.12144,
title = {PoseCompass: Intelligent Synthetic Pose Selection for Visual Localization},
author = {Yanan Zhou and Zhaoyan Qian and Yanli Li and Nan Yang and Zhongliang Guo and Dong Yuan},
journal= {arXiv preprint arXiv:2605.12144},
year = {2026}
}