Mar, 2024

PRAGO：基于目标检测的可微分多视角姿态优化

PDF
TL;DR通过优化序列的几何任务，我们提出了一种称为 PRAGO 的求解相机位姿的方法，该方法通过在无序图像上进行目标位置的细化来优化旋转和绝对位置，实现了在小型稀疏场景中相比于非可微求解器更好的性能。
camera posesdifferentiable methodspose-refined rotationobjectness detectionsgraph optimization
发现论文，激发创造
  • VICAN：大规模相机网络的高效标定算法

    通过引入一个动态元素 - 任意场景中可以自由移动的刚性物体，我们提出了一种新颖的方法来精确估计大型摄像头网络中的摄像头姿势，该方法可以可靠地从单张图像中推测出该物体的姿势，并解决了在直接估计摄像头之间相对姿势时遇到的挑战，从而实现了准确的摄像头姿势估计。

    Mar, 2024

  • RAGO: 多次旋转均值的循环图优化器

    本文提出了一个深度循环旋转平均图优化器 (RAGO)，用于解决多重旋转平均 (MRA) 的问题，通过边缘修正策略减少了不准确测量的影响，使用门控循环单元追踪成本图的时间信息，使其成为一个实时的学习优化方案，用于解决现实中的问题。RAGO 在真实世界和合成数据集上都优于先前的传统和深度方法。

    Dec, 2022

  • 基于图像的多视角 3D 多人姿态估计

    本文介绍了一种从多个校准相机视角估计多个人的 3D 姿势的方法，通过使用图神经网络以及特定任务的模块实现了高性能、低计算复杂度的结果。

    Sep, 2021

  • RL-PGO：基于强化学习的平面姿态图优化

    本研究提出了一种基于深度强化学习（DRL）的 2D 姿态图优化的环境和代理，将姿态图优化问题建模为部分可观察的马尔可夫决策过程，并评估了性能。实验结果表明，拥有该方法的迭代式求解器可以产生质量更高的姿态估计，因此，我们相信基于强化学习的 PGO 是进一步加快研究朝向全局最优算法的有前途的途径。

    Feb, 2022

  • PoserNet：利用物体探测精确优化相机相对姿态

    通过使用物体区域指导姿势估计问题，而不是显式语义物体检测，我们提出 Pose Refiner Network (PoserNet)—— 轻量级图神经网络来细化相机姿态的大致成对相对姿态。

    Jul, 2022

  • 分布式可证明正确的位姿图优化

    本文提出了第一个确凿无疑的分布式姿态图优化算法，该方法基于稀疏半定松弛，使用低秩 Riemannian Staircase 框架进行分布式优化，具有全局最优解的保证，并且所有组成部分均为本地协作算法。

    Nov, 2019

  • RelPose：预测野外单个物体的概率性相对旋转

    该论文提出基于能量分布的摄像机视角预测方法，该方法可以用于物体重建和视角合成等任务，并在稀疏图像情况下优于现有的 SfM 和 SLAM 方法，从而可以作为实现从多视角数据集中进行现场重建的基础。

    Aug, 2022

  • 利用旋转平均和团约束解决标记姿态的模糊性

    本篇论文提出了一种通过检测无人机平面标记的多个视角的一致性来解决定位问题中的歧义问题的方法。该方法可以更有效地解决标记姿态歧义问题，并提供更精确、完整的基于标记的映射和定位。

    Sep, 2019

  • 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

  • 基于类别的三维物体感知的最优姿态和形状估计

    本文提出了一个主要解决物体类别感知问题的非凸优化模型，其中包括针对模型内部变异性的解决方案，将图形学和优化算法相结合，以提高汽车姿态估计等领域的精度和鲁棒性。

    Apr, 2021