PoseFM：通过流匹配进行相对相机姿态估计
计算机视觉与模式识别
2026-04-27 v1
摘要
单目视觉里程计(VO)是计算机视觉中的基本问题，具有自主导航、增强现实等应用。虽然深度学习方法最近在结构较差或光照条件不佳的环境中显示出优于传统几何管线的精度，但大多数方法依赖确定性回归，这缺乏对不确定性的感知，难以用于稳健的应用。我们提出PoseFM，将单目帧到帧VO重新表述为生成任务，使用Flow Matching(FM)。通过利用FM，我们将相机运动建模为分布而非点估计，通过连续时间ODE学习将噪声转换为真实的姿态预测。该方法提供了原则性的不确定性估计机制，使其能够在挑战性的视觉条件下进行稳健的运动推断。在评估中，PoseFM在TartanAir、KITTI和TUM-RGBD基准测试中取得优异成绩，在一些轨迹上实现了最低的绝对轨迹误差(ATE)，总体上与最佳帧到帧单目VO方法相竞争。代码和模型检查点将在https://github.com/helsinki-sda-group/posefm提供。
引用
@article{arxiv.2604.22350,
title = {PoseFM: Relative Camera Pose Estimation Through Flow Matching},
author = {Dominik Kuczkowski and Laura Ruotsalainen},
journal= {arXiv preprint arXiv:2604.22350},
year = {2026}
}