无对应点的两视图几何评分
计算机视觉与模式识别
2023-06-05 v1
摘要
两视图几何的相机位姿估计传统上依赖 RANSAC。通常，大量图像对应点会产生一组候选假设，随后通过评分找出最优模型。内点计数通常被视为“一致性”的可靠指标。我们考察了这一评分启发式方法，发现其在某些情况下会偏好较差的模型。作为补救，我们提出了基础评分网络（FSNet），其为重叠图像对及任意给定的基础矩阵推断一个分数。它不依赖稀疏对应点，而是通过极线注意力机制体现两视图几何模型，该机制预测两幅图像的位姿误差。FSNet 可纳入传统的 RANSAC 循环中。我们在室内和室外数据集上评估了 FSNet 在基础矩阵与本质矩阵估计上的表现，并证实 FSNet 能成功识别具有少量或不可靠对应点的图像对的好位姿。此外，我们展示了将 FSNet 与 MAGSAC++ 评分方法朴素结合可取得最先进的結果。
引用
@article{arxiv.2306.01596,
title = {Two-View Geometry Scoring Without Correspondences},
author = {Axel Barroso-Laguna and Eric Brachmann and Victor Adrian Prisacariu and Gabriel J. Brostow and Daniyar Turmukhambetov},
journal= {arXiv preprint arXiv:2306.01596},
year = {2023}
}