基于角度重投影损失的场景坐标回归用于相机重定位
计算机视觉与模式识别
2018-10-02 v2
摘要
基于图像的相机重定位是计算机视觉与机器人学中的重要问题。近期工作利用卷积神经网络（CNNs）回归查询图像中像素在场景里对应的3D世界坐标。最终位姿通过基于RANSAC的优化方案使用预测坐标求解。通常，CNN使用真实场景坐标训练，但也已表明网络可通过最小化单视图重投影损失自动发现3D场景几何。然而，由于重投影损失的缺陷，网络需要被仔细初始化。在本文中，我们提出一种新的基于角度的重投影损失，解决了原始重投影损失的问题。借助这一新损失函数，网络无需仔细初始化即可训练，且系统获得更精确的结果。新损失还使我们能够利用可用的多视图约束，进一步提升性能。
引用
@article{arxiv.1808.04999,
title = {Scene Coordinate Regression with Angle-Based Reprojection Loss for Camera Relocalization},
author = {Xiaotian Li and Juha Ylioinas and Jakob Verbeek and Juho Kannala},
journal= {arXiv preprint arXiv:1808.04999},
year = {2018}
}
备注
ECCV 2018 Workshop (Geometry Meets Deep Learning)