预训练特征在相机姿态优化中的不合理有效性
计算机视觉与模式识别
2024-04-17 v1
摘要
姿态优化是一个有趣且具有实际意义的研究方向。姿态优化可用于：(1) 从初始先验（例如，从检索中）获得更准确的姿态估计；(2) 作为预处理，即为更昂贵的姿态估计器提供一个更好的起点；(3) 作为更精确定位器的后处理。现有方法侧重于为姿态优化任务学习特征/场景表示。这涉及训练隐式场景表示或在优化基于相机姿态的损失时学习特征。一个自然的问题是，训练特定的特征/表示是否真的必要，或者使用更通用的特征是否已经可以达到类似的结果。在这项工作中，我们提出了一种简单的方法，将预训练特征与粒子滤波器和可渲染的场景表示相结合。尽管方法简单，但它取得了最先进的结果，表明人们可以轻松构建一个姿态优化器，而无需进行特定的训练。代码位于 https://github.com/ga1i13o/mcloc_poseref。
引用
@article{arxiv.2404.10438,
title = {The Unreasonable Effectiveness of Pre-Trained Features for Camera Pose Refinement},
author = {Gabriele Trivigno and Carlo Masone and Barbara Caputo and Torsten Sattler},
journal= {arXiv preprint arXiv:2404.10438},
year = {2024}
}
备注
Accepted to CVPR2024 (Highlight)