PoserNet：利用目标检测结果精炼相对相机位姿
计算机视觉与模式识别
2022-07-22 v2
摘要
与一组图像相关联的相机位姿估计通常依赖于图像之间的特征匹配。相反，我们首次通过使用目标性区域来引导位姿估计问题，而非显式的语义目标检测。我们提出 Pose Refiner Network (PoserNet)，一种轻量级图神经网络，用于精炼近似的成对相对相机位姿。PoserNet 利用跨多个视图的目标性区域（简洁地表示为边界框）之间的关联，来全局地精炼稀疏连接的视图图。我们在 7-Scenes 数据集上针对不同大小的图进行了评估，并展示了该过程如何有益于基于优化的运动平均（Motion Averaging）算法，相对于基于边界框获得的初始估计，将旋转的中值误差改善了 62 度。代码和数据可在 https://github.com/IIT-PAVIS/PoserNet 获取。
引用
@article{arxiv.2207.09445,
title = {PoserNet: Refining Relative Camera Poses Exploiting Object Detections},
author = {Matteo Taiana and Matteo Toso and Stuart James and Alessio Del Bue},
journal= {arXiv preprint arXiv:2207.09445},
year = {2022}
}
备注
Accepted at ECCV 2022