GP2C：约束几何投影参数的一致性以估计关节 3D 姿势和在野外的焦距

ICCVAug, 2019

GP2C：约束几何投影参数的一致性以估计关节 3D 姿势和在野外的焦距

GP2C: Geometric Projection Parameter Consensus for Joint 3D Pose and Focal Length Estimation in the Wild

Alexander Grabner, Peter M. Roth, Vincent Lepetit

TL;DR我们提出了一种联合 3D 姿态和焦距估计方法，采用深度学习技术和几何算法，通过将焦距明确地估计和整合到 3D 姿态估计中来实现对野外物体类别的姿态和焦距估计，并在 Pix3D、Comp 和 Stanford 三个具有不同物体类别的具有挑战性的真实世界数据集上进行了详细的评估，结果在多个指标上明显优于现有方法。

Abstract

We present a joint 3D pose and focal length estimation approach for object categories in the wild. In contrast to previous methods that predict 3D poses independently of the focal length or assume a constant focal length, we explicitly estimate and integrate the focal length into the <

3d pose estimation focal length estimation deep learning geometric algorithms real-world datasets

发现论文，激发创造

利用渲染和比较进行焦距和物体姿态估计

本文提出了 FocalPose 方法，采用神经网络进行渲染和比较，共同估计单个 RGB 图像中已知对象的相机 - 对象 6D 姿态和相机焦距。通过推导一个焦距更新规则，将现有的 6D 姿态估计器扩展到联合估计任务，研究了几种不同的损失函数，认为将直接焦距回归和重投影损失相结合可以获得更好的结果。在三个具有挑战性的基准数据集上展示了结果，证明了我们的焦距和 6D 姿态估计比现有的最先进方法误差更小。

Apr, 2022

FocalPose++：利用渲染和比较进行焦距和物体姿态估计

我们介绍了 FocalPose ++，一种神经渲染和比较方法，用于在给定描述一个已知物体的单个 RGB 输入图像的情况下，同时估计相机物体的 6D 姿态和相机焦距。

Nov, 2023

基于旋转和投影矩阵的几何约束相机标定

相机标定是估计内参和外参参数的过程，本文提出了一种基于几何约束的损失函数来测量相机参数，并通过神经网络学习框架进行优化，实验结果表明，在合成和实际数据集上，相比最先进的基准模型，我们的方法在所有参数上都有所改进。

Feb, 2024

DeepHMap++：结合投影分组和对应关系学习的全自由度姿态估计

本文提出一种基于卷积神经网络的 2 阶段模型，采用投影分组和对应关系学习方法预测物体位姿，优于现有的其他方法。

Apr, 2019

GS-Pose: 基于几何和语义一致的类别级目标姿态估计

类别级别姿态估计是一项具有挑战性的任务，近期深度学习方法取得了很大进展，但常常受到需要大量数据集或精心调整的逼真模拟器的限制。为了解决这个冲突，我们提出利用从预训练基础模型中获取的几何和语义特征，通过将 2D 特征从基础模型投影到三维空间来对单个类别的物体模型进行匹配，并在训练好的匹配网络上处理对未见物体实例的新的单视图观测，这比先前方法需要的数据量显著减少。我们通过丰富的评估结果表明了这一点，并展示了比先前方法更好的性能。

Nov, 2023

融合新旧技术：基于几何引导不确定性的相机相对位姿学习

本研究提出了一种新的框架，涉及到两个预测模型之间的概率融合，旨在利用它们的互补优点进行可学习的融合，并使用自我注意图神经网络来驱动学习，通过显式地指导几何不确定性学习 DNN 的不确定性，从而学习相对于 DNN 预测的几何解决方案。该方法达到了 DeMoN 和 ScanNet 数据集上最先进的性能表现。

Apr, 2021

神经对应场用于物体姿态估计

本文提出一种方法，通过单个 RGB 图像估计刚性物体的六自由度姿态，其中通过 3D 模型在摄像机视锥中采样三维查询点预测三维物体坐标，并借助全连接神经网络来实现神经对应场，最终使用 Kabsch-RANSAC 算法实现姿态估计，该方法在三个 BOP 数据集中都取得了最优结果。

Jul, 2022

RGBD 相对位姿估计中的几何深度一致性

该论文介绍了一种相对位姿估计方法，利用 RGBD 相机的 RGB 和深度信息，通过几何深度约束和嵌套 RANSAC 算法实现对相机位姿的快速准确估计。

Jan, 2024

利用投影建模学习基于几何引导的深度，实现单目三维物体检测

本篇研究提出一种基于几何建模的投影模型方法，用于改进单目三维物体检测中的深度估计问题，实验证明该方法使得检测性能得到了显著提升。

Jul, 2021

回到未来：从像素到姿态学习鲁棒的相机定位

本研究利用深度神经网络进行对物体在已知场景下的姿态估计，其中提出了使用场景无关的神经网络模型 PixLoc，通过特征学习和度量学习方法将相机定位问题转换为多尺度特征直接对齐，该模型以像素数据作为输入并经过端到端训练后能够在大型环境中实现定位，同时通过精确的稀疏特征匹配以更小的代价实现关键点和姿态的联合优化。

Mar, 2021