CVPR 2023（剑桥大学最新）| 自适应迭代匹配和姿态估计

作者：一杯红茶 | 来源：3D视觉工坊

在公众号「3D视觉工坊」后台，回复「原论文」即可获取论文pdf。

添加微信：dddvisiona，备注：姿态估计，拉你入群。文末附行业细分群。

1 介绍

一般相机姿态估计问题通常分为两阶段来处理，即首先进行特征匹配，然后根据匹配对应关系估计姿态，所以大家往往关注在要么提高匹配质量，即研究更鲁棒高效的特征检测匹配算法，要么是研究如何过滤潜在的异常值。这样导致匹配和姿态估计割裂开来，这篇文章则不同，他们利用了这两个任务之间的几何关联：几个好的匹配就足以进行大致准确的姿态，反过来，通过提供的几何约束，大致准确的姿态又可以用来引导匹配。为此，他们提出了一个迭代匹配和姿态估计框架，实现了一个基于几何感知的递归注意力模块，该模块输出稀疏匹配和相机姿态。

此外，为了提升效率，避免对无信息特征点进行冗余操作，提出了一种采样策略，将特征点的匹配和注意力得分以及预测姿态的不确定性相结合，自适应去除关键点，与之前主要基于注意力得分的采样方法相比，有效克服了过采样问题。框架从两个方面降低了时间成本：首先，与对所有情况采用固定次数的迭代相比，它对视点或外观变化较少的简单情况运行较少的迭代，而对具有挑战性的情况运行较多的迭代；其次，它降低了每次迭代的成本，显著降低了注意力计算的二次时间复杂性，表明了丢弃潜在的异常值不仅可以提高效率，还可以提高准确性。