关于在视觉地点识别中估计图像匹配的不确定性

CVPRMar, 2024

关于在视觉地点识别中估计图像匹配的不确定性

On the Estimation of Image-matching Uncertainty in Visual Place Recognition

Mubariz Zaffar, Liangliang Nan, Julian F. P. Kooij

TL;DR视觉地点识别（VPR）中，通过将查询图像与具有已知参考姿态的参考图像地图进行比较，估计查询图像的姿态。本文首次对主要的图像匹配不确定性估计方法进行了比较，包括传统的基于检索的不确定性估计、最近的数据驱动的不确定性估计以及计算密集型的几何验证。我们进一步提出了一个简单的基线方法 “SUE”，与其他方法不同的是，它考虑了地图中参考图像的自由可用姿态。实验结果表明，查询图像和参考描述符之间的简单 L2 距离已经比当前的数据驱动方法更好地估计了图像匹配的不确定性。SUE 优于其他高效的不确定性估计方法，并且其不确定性估计与计算密集型的几何验证方法相互补充。未来在 VPR 中进行不确定性估计的工作应考虑本文讨论的基线方法。

Abstract

In visual place recognition (VPR) the pose of a query image is estimated by comparing the image to a map of reference images with known reference poses. As is typical for image retrieval problems, a feature extra

visual place recognition pose estimation image retrieval uncertainty estimation geometric verification

发现论文，激发创造

使用连续地点描述符回归实现精准视觉定位的 CoPR 方法

该论文旨在提高基于图像的位置估计方法（Visual Place Recognition）的精度，作者通过提出一种连续的地点描述符回归方法（Continuous Place-descriptor Regression），在已有的参考图片上进行插值和外推，以增加参考图片的密度，通过实验结果发现该方法可以提高约 30% 的定位精度，相比使用视角不变损失函数，该方法可以额外提高约 15%。

Apr, 2023

用于改善单帧和加权序列视觉位置识别的无监督质量预测

本研究提出了一种新的、无需训练的定位质量预测方法和一种利用这些预测来偏置序列匹配过程的新方法，使综合系统在四个数据集和三种 VPR 技术中得到了性能上的提升。

Jul, 2023

带有分级相似度监督的高效大规模场所识别

本论文提出了一种改进的视觉定位方法，通过使用连续相似性标签和广义对比损失函数代替传统的二元相似性标签和硬对样本挖掘，使得视觉识别表现得到了明显提升。

Mar, 2023

探究图像检索对视觉定位的作用 —— 一个详尽的基准测试

该研究论文研究了视觉定位中图像检索方法对定位性能的影响，并提出了专为定位场景设计的检索方法的需求。通过引入基准测试和多种 “地面真实性” 定义以及针对经典地标检索或地点识别任务的检索效能的分析，探讨了这种影响。

May, 2022

跨模态检索的基于样本的条件不确定性量化

本文提出了一种新颖的基于原型的随机不确定性量化（PAU）框架，通过对内在数据模糊性的不确定性进行量化，构建了可信赖的预测，为跨模态检索提供准确的不确定性和可靠的预测。