重新评估CNN方法在相机位姿回归中的局限性
计算机视觉与模式识别
2021-08-17 v1
摘要
在本文中，我们解决室外与室内场景下的相机位姿估计问题。相较于当前依赖2D到3D匹配的顶尖性能方法，我们提出了一种可直接从图像回归相机位姿的模型，其精度显著高于同类现有方法。我们首先分析了为何回归方法仍落后于最先进水平，并以我们的新方法弥合了性能差距。具体而言，我们提出了一种通过新颖训练技术克服有偏训练数据的方法，该技术由训练集的概率分布引导生成位姿以合成新的训练视角。最后，我们在两个广泛使用的基准上评估了我们的方法，表明其相比先前的基于回归的方法、检索技术以及带有局部特征匹配的3D流程均取得了显著改进的性能。
引用
@article{arxiv.2108.07260,
title = {Reassessing the Limitations of CNN Methods for Camera Pose Regression},
author = {Tony Ng and Adrian Lopez-Rodriguez and Vassileios Balntas and Krystian Mikolajczyk},
journal= {arXiv preprint arXiv:2108.07260},
year = {2021}
}