SuperGF：统一局部与全局特征用于视觉定位
计算机视觉与模式识别
2022-12-27 v1
摘要
先进的视觉定位技术涵盖图像检索挑战和 6 自由度（DoF）相机位姿估计，例如分层定位。因此，它们必须从输入图像中提取全局和局部特征。先前的方法通过耗费资源或降低精度的手段实现这一点，例如组合式流水线或多任务蒸馏。在本研究中，我们提出一种称为 SuperGF 的新方法，它有效地统一了视觉定位的局部与全局特征，从而在定位精度与计算效率之间实现了更高的权衡。具体而言，SuperGF 是一个基于 transformer 的聚合模型，直接作用于图像匹配专用的局部特征并生成用于检索的全局特征。我们在精度和效率两方面对方法进行实验评估，展示了其相对于其他方法的优势。我们还使用各类局部特征（包括稠密与稀疏的基于学习的或手工设计的描述子）提供了 SuperGF 的实现。
引用
@article{arxiv.2212.13105,
title = {SuperGF: Unifying Local and Global Features for Visual Localization},
author = {Wenzheng Song and Ran Yan and Boshu Lei and Takayuki Okatani},
journal= {arXiv preprint arXiv:2212.13105},
year = {2022}
}