Synfeal：一种用于端到端相机定位的数据驱动模拟器
计算机视觉与模式识别
2023-05-30 v1 人工智能
机器人学
摘要
收集真实世界数据常被视为人工智能的瓶颈，制约了多个领域的研究进展，其中之一是相机定位。端到端相机定位方法仍不及传统方法，我们认为与数据收集技术相关的不一致性限制了端到端方法的潜力。受近期以数据为中心(data-centric)范式的启发，我们提出一种基于真实世界逼真三维重建来合成大规模定位数据集的框架。我们的框架称为Synfeal: Synthetic from Real，是一个开源、数据驱动的模拟器，它通过让虚拟相机在逼真三维纹理网格中移动来合成RGB图像，同时收集对应的真实相机位姿。结果验证，与最先进方法生成的数据集相比，在Synfeal生成的数据集上训练相机定位算法可带来更好结果。利用Synfeal，我们首次分析了数据集规模与相机定位算法性能之间的关系。结果表明性能随数据集规模显著增长。我们的结果还表明，当具备大规模高质量定位数据集时，从头训练可带来更好性能。Synfeal公开于https://github.com/DanielCoelho112/synfeal。
引用
@article{arxiv.2305.18260,
title = {Synfeal: A Data-Driven Simulator for End-to-End Camera Localization},
author = {Daniel Coelho and Miguel Oliveira and Paulo Dias},
journal= {arXiv preprint arXiv:2305.18260},
year = {2023}
}