关键词scene coordinate regression
搜索结果 - 5
- CVPRGLACE: 全球局部加速坐标编码
我们提出了一个名为 GLACE 的方法,通过引入共视性的概念,利用预训练的全局和局部编码将场景坐标回归方法扩展到大型场景,只需要一个小型网络。我们的方法在大型场景中不使用三维模型或深度图作为监督,取得了最先进的结果。
- 基于神经辐射场的不确定性感知视觉定位
本文提出了一种使用神经辐射场(NeRF)生成训练样本的场景坐标回归(SCR)方法,并且通过设计 NeRF 来预测渲染数据的不确定性,在像素级别揭示数据的可靠性;将 SCR 公式化为带有认识不确定性的深度证据学习,用来评估信息获取与场景坐标质 - VS-Net: 基于分割的投票式视觉定位
该研究针对场景坐标回归方法在视觉定位中估计相机姿态时出现的问题,提出了一种基于可学习的场景特定地标的 2D-3D 对应的视觉定位框架,并使用一种叫做 VS-Net 的网络模型解决了大量的类别不平衡问题。该方法在多个公共基准测试中表现出优异的 - MM将其上线:将场景坐标回归网络预测应用于在线 RGB-D 相机重定位
本研究提出了一种新的方法来利用在一个场景中训练的神经网络来预测另一个场景中的点,以实现相机在线定位,并在 7-Scenes 和 Cambridge Landmarks 数据集上实现了最先进的性能,运行时间低于 300 毫秒。
- 基于图像的定位的全幅场景坐标回归
采用全帧方式进行场景坐标回归可以在测试时间内提高计算效率并增加回归过程的全局上下文以提高稳健性,而数据增强则有助于减轻过度拟合问题,从而提高基于图像识别的定位场景坐标预测的鲁棒性。