REST：面向光照不变相机定位的真实到合成变换
计算机视觉与模式识别
2018-03-28 v1
摘要
精确的相机定位是跟踪系统的重要组成部分。然而，定位结果受光照影响极大。纳入在各种光照条件下采集的数据可以提高定位算法对光照变化的鲁棒性。然而，这非常繁琐且耗时。通过使用合成图像，可以轻松积累在不同光照和天气条件下的多种视角。尽管处理能力和渲染算法不断改进，合成图像与同一场景的真实图像并不完全匹配，即真实图像与合成图像之间存在差距，这也影响了相机定位的准确性。为了减小这一差距的影响，我们引入了“真实到合成变换（REal-to-Synthetic Transform，REST）”。REST 是一个类似自编码器的网络，将真实特征转换为其合成对应物。转换后的特征随后可与积累的数据库进行匹配，以实现鲁棒的相机定位。在我们的实验中，REST 在可变光照条件下将特征匹配准确率提高了约 30%。此外，我们的系统优于使用合成图像训练的基于 CNN 的最先进相机定位方法。我们相信我们的方法可用于初始化局部跟踪，并简化光照鲁棒定位的数据积累。
引用
@article{arxiv.1803.09448,
title = {REST: Real-to-Synthetic Transform for Illumination Invariant Camera Localization},
author = {Sota Shoman and Tomohiro Mashita and Alexander Plopski and Photchara Ratsamee and Yuki Uranishi and Haruo Takemura},
journal= {arXiv preprint arXiv:1803.09448},
year = {2018}
}