基于自监督对比学习的室外视觉定位语义位姿验证
计算机视觉与模式识别
2022-04-01 v1
摘要
任何城市级视觉定位系统都必须克服长期外观变化，例如查询图像与数据库图像之间的光照条件变化或季节变化。由于语义内容对此类变化更为鲁棒，我们利用语义信息改进视觉定位。在我们的场景中，数据库由全景图像（如 Google 街景）生成的球极平面投影视图组成，查询图像由标准视场相机在不同时间采集。为改进定位，我们检查查询与数据库图像间的语义相似性，这并非易事，因为相机的位置与视角并不精确匹配。为学习相似性，我们提出以自监督方式在语义分割图像数据集上通过对比学习训练 CNN。实验表明，该语义相似性估计方法优于像素级相似性度量。最后，我们利用语义相似性分数验证最先进视觉定位方法所得的检索结果，观察到基于对比学习的位姿验证将 top-1 召回值提升至 0.90，对应 2% 的改进。
引用
@article{arxiv.2203.16945,
title = {Semantic Pose Verification for Outdoor Visual Localization with Self-supervised Contrastive Learning},
author = {Semih Orhan and Jose J. Guerrero and Yalin Bastanlar},
journal= {arXiv preprint arXiv:2203.16945},
year = {2022}
}