姿态估计回归的对抗转移

ECCVJun, 2020

Adversarial Transfer of Pose Estimation Regression

Boris Chidlovskii, Assem Sadek

TL;DR我们提出了一种基于迁移学习和领域自适应技术的深度适应网络，通过自监督学习获取具有场景不变性的图像表示，并将其用于摄像机姿态估计中。在 Cambridge Landmarks 和 7Scene 上的评估表明，该网络优于几个基线，并与最先进的方法进行了比较。

Abstract

We address the problem of camera pose estimation in visual localization. Current regression-based methods for pose estimation are trained and evaluated scene-wise. They depend on the coordinate frame of the training dataset and show a low generalization across scenes and datasets. We i

camera pose estimation dataset shift transfer learning deep adaptation network self-supervised learning

发现论文，激发创造

用于相机姿态回归和优化的对抗网络

提出了一种基于神经网络的直接相机位姿回归方法，通过使用鉴别器网络和对抗训练隐式地学习了 RGB 图像和相应相机位姿的联合分布，此方法不仅可以从单个 RGB 图像回归相机位姿，还可以通过使用鉴别器网络提供仅基于 RGB 的相机位姿精修解决方案，同时还可以通过优化预测的相机位姿从而提高定位精度。在公共数据集 7-Scenes 上验证了该方法并取得了比直接相机位姿回归方法更好的结果。

Mar, 2019

一种轻量级的领域自适应绝对位姿回归器，使用巴洛双子目标

提出了一种面向绝对姿态回归的领域自适应训练框架，基于生成方法实现场景图像的不同领域的数据增强，并在回归头中探究了空间和通道注意力对旋转预测的有效性。结果表明，该方法在效率和性能方面都优于基于 CNN 的架构，并可适用于不同领域。

Nov, 2022

基于图像的定位的场景坐标和对应关系学习

本篇论文提出了一种使用深度学习，通过像素级的场景坐标回归来进行相机姿态估计的方法，并通过回归的置信度值对相应的姿态进行自我校正和提高精度。

May, 2018

深度学习相机姿态估计介绍

本文概述了深度学习在计算机视觉领域中对相机姿态估计的应用，描述了关键方法和趋势，对现有的学习为基础的姿态估计器进行了广泛的交叉比较，并讨论了新出现的解决方案和未来的研究方向。

Jul, 2019

基于 CNN 的绝对相机姿态回归的局限性理解

本研究旨在解决场景中精确的相机姿态估计的视觉定位问题，传统方法使用 3D 几何学，而新近出现的卷积神经网络则直接从输入图像中学习相机姿态，但是并未达到 3D 方法的精度。本论文提出了一种理论模型来预测 pose regression 技术的失败案例，并证实了我们的预测。作者进一步表明，pose regression 与图像检索非常相似，而不是与 3D 结构的准确姿态估计。最重要的是，当前方法并不能持续超越手工图像检索基线，因此需要进一步的研究。

Mar, 2019

基于 Transformer 的粗细步骤的多场景姿态回归

使用 Transformers 学习多场景相机姿态回归，通过自注意力聚合激活图和变换潜在特征以及场景编码，提高了定位准确性。

Aug, 2023

使用卷积神经网络进行 3D 姿态回归

该研究通过 CNN 回归框架提出了适当的表示、数据增强和损失函数来捕捉姿态空间的几何信息，将 3D 姿态估计问题转化为回归问题，并在 PASCAL3D + 数据集上得到与同类最优方法相当的性能表现。

Aug, 2017

使用图神经网络和相对姿态监督的视觉相机定位

本研究提出了一种基于姿态回归网络和图神经网络相结合的视觉重新定位方法，可在没有内参信息的情况下达到与绝对姿态回归网络相当的准确性，同时保持相对姿态回归模型的高测试速度和对非训练场景的适用性。

Apr, 2021

Poseur：基于 Transformer 的直接人体姿势回归

提出了一种基于 Transformer 网络的 2D 人体姿势估计方法，直接将图像转换为坐标进行回归预测，并利用自适应注意力机制来提高关键点坐标预测精度，实现了在 MS-COCO 数据集上超越同类方法的目标。

Jan, 2022

Learnable Motion Generation 实现 3D 人体姿势估计的跨数据集自适应

该论文提出了一种名为 AdaptPose 的端到端框架，通过生成合成的 3D 人体动作数据，并在新数据集上通过微调来提高 3D 姿态估计模型的泛化能力，该方法成功地比之前的交叉数据集评估方法和使用部分 3D 注释的半监督学习方法改进了 14% 和 16%。

Dec, 2021