Feb, 2024

HR-APR: 基于不确定性估计和分层细化的面向相机重定位的 APR 通用框架

PDF
TL;DR本研究介绍了一种新的 APR 通用框架 ——HR-APR，将不确定性估计作为查询与数据库特征之间余弦相似度的问题来解决，不依赖于特定的 APR 架构，并通过利用不确定性进行姿态细化，提高了 APR 的性能。实验证明，该框架在单图像 APR 中保持了 SOTA 的准确性，同时降低了 7Scenes 和剑桥地标数据集的计算开销。
absolute pose regressorsuncertainty-aware aprshr-apruncertainty estimationpose refinement
发现论文，激发创造
  • KS-APR: 鲁棒绝对位姿回归的关键帧选择

    KS-APR 是一种用于 Markerless Mobile Augmented Reality 的 pipeline，通过结合 APR 的推断结果和训练集中的先验图像来评估估计位姿的可靠性，从而提高可靠性和准确性，适用于不需要一次性决策的视觉定位任务。

    Aug, 2023

  • 相机姿态自编码器 —— 改善姿态回归

    本文介绍相机姿态自编码器（PAEs）的使用，在使用 APR 作为教师模型的情况下，使用教师 - 学生方法对其进行多层感知机神经网络的训练。我们表明，使用这种编码器时，可以获得与 APR 相当的姿态表示效果，并且展示了在相关任务中它们的有效性，同时提出了一种轻量级测试时间优化方法。通过对数据集 CambridgeLandmarks 和 7Scenes 的测试，该方法取得了新的最佳位置精度。

    Jul, 2022

  • 基于地图的姿态回归视觉重定位

    相对于已知环境，姿态回归网络通过预测查询图像的相机姿态。我们提出了一种新的姿态回归方法，地图相对姿态回归（marepo），通过使用场景特定的地图表示，将姿态回归器的预测相对于场景地图。我们的方法在室内和室外两个公共数据集上远远优于之前的姿态回归方法。

    Apr, 2024

  • 学习神经体积位姿特征用于相机定位

    引入了一种新颖的神经体姿态特征 ——PoseMap，旨在通过囊括图像之间和相关摄像机姿态之间的信息增强摄像机定位能力。该框架利用了绝对姿态回归（APR）架构和增强的 NeRF 模块，不仅有助于生成丰富的训练数据集来丰富训练，在线自监督对齐的扩展还能允许该方法在无标签图像上使用和微调。实验证明，我们的方法在室内和室外基准场景上平均性能分别提高了 14.28% 和 20.51%，超过了现有的具有最先进精度的 APR 方法。

    Mar, 2024

  • 融合来自运动结构和光流模拟姿势回归的算法用于具有挑战性室内环境

    本文提出了一种使用相对位移回归来规范绝对位姿估计的新方法，采用递归融合神经网络来更好地整合绝对和相对估计姿态，实验结果表明这种方法比使用姿态图优化的方法更为有效。

    Apr, 2023

  • APR：通过点云重构进行在线远程点云配准

    本文提出一种名为 APR 的新型特征提取框架，该框架利用自编码器设计重建了一个带有几个帧的密集聚合点云，从而提取具有丰富局部几何信息的特征进行在线的远程点云配准。实验结果表明，APR 较 KITTI 和 nuScenes 数据集上的其他特征提取器表现更优秀。

    May, 2023

  • DFNet：使用直接特征匹配增强绝对姿态回归

    本篇研究提出了一种相机重新定位的方法，它通过绝对姿态回归和直接特征匹配相结合，并加入曝光自适应的新视角合成，成功地解决了现有基于光度的方法无法处理的室外环境中的光度变形问题。

    Apr, 2022

  • 无标记移动增强现实的视觉惯性测距约束下的稳健定位

    通过结合绝对位置估计 (APR) 和本地 VIO 跟踪系统，引入了一个新的移动 AR 框架 VIO-APR，该框架使用 VIO 来评估 APR 的可靠性并通过 APR 来识别和补偿 VIO 的漂移，从而实现更准确的定位和更稳定的 AR 体验。

    Aug, 2023

  • HuPR: 利用毫米波雷达进行人体姿态估计的基准测试

    本文提出了一种新型的人体姿态估计基准测试，使用交叉校准的毫米波雷达传感器和单眼 RGB 相机进行跨模态训练，在不涉及人类隐私的情况下，利用毫米波雷达的优势，通过 2D 关键点表示人体关节进行训练，并采用新的雷达预处理方法和姿态修正图卷积网络进行预测关键点的信心热图的优化，实现了比传统方法更好的人体姿态估计性能。

    Oct, 2022

  • MobileARLoc: 基于设备的稳健移动增强现实绝对定位

    通过将绝对位置回归器与本地视觉惯导测量结合，MobileARLoc 框架在设备上实现了大规模的无标记移动增强现实，并且在减小定位误差和降低惯导漂移方面取得了显著结果。

    Jan, 2024