SC-wLS：面向可解释的前馈相机重定位
计算机视觉与模式识别
2022-10-25 v1
摘要
视觉重定位旨在已知环境中恢复相机位姿，这对机器人或增强现实等应用至关重要。前馈绝对相机位姿回归方法通过网络直接输出位姿，但精度较低。同时，基于场景坐标的方法精度高，但需要迭代 RANSAC 后处理，这给高效的端到端训练与推理带来挑战。为兼得二者之长，我们提出一种称为 SC-wLS 的前馈方法，其利用所有场景坐标估计进行加权最小二乘位姿回归。该可微公式在 2D-3D 对应上施加权重网络，且仅需位姿监督。定性结果展示了所学权重的可解释性。在 7Scenes 和 Cambridge 数据集上的评估显示，与先前前馈方法相比性能显著提升。此外，我们的 SC-wLS 方法实现了一种新能力：在权重网络上的自监督测试时自适应。代码与模型已公开可用。
引用
@article{arxiv.2210.12748,
title = {SC-wLS: Towards Interpretable Feed-forward Camera Re-localization},
author = {Xin Wu and Hao Zhao and Shunkai Li and Yingdian Cao and Hongbin Zha},
journal= {arXiv preprint arXiv:2210.12748},
year = {2022}
}
备注
ECCV 2022