PRAGO: Differentiable Multi-View Pose Optimization From Objectness Detections

要約

一連の画像からカメラのポーズを確実に推定することは基本的なタスクであり、特に小さくてまばらなカメラのポーズ グラフの場合、微分可能な手法にとって依然として困難です。
この課題を克服するために、Pose-refined Rotation Averaging Graph Optimization (PRAGO) を提案します。
私たちの方法は、順序付けされていない画像上の一連の物体検出から、一連の幾何学的タスクの最適化の恩恵を受けて、微分可能な方法で回転姿勢を再構成し、さらに絶対姿勢を再構成します。
PRAGO のオブジェクトネス ポーズ調整モジュールが、エッジを削除したり、グラフ エッジの存続可能性に関する早期の決定を回避したりすることなく、ペアごとの相対姿勢推定に固有のあいまいさをどのように洗練できるかを示します。
次に、PRAGO は反復的なグラフ構築を通じて絶対回転を調整し、グラフのエッジを再重み付けして最終的な回転姿勢を計算します。これは、移動平均化を使用して絶対姿勢に変換できます。
PRAGO が 7 シーンから抽出された小さくまばらなシーンで非微分可能ソルバーよりも優れたパフォーマンスを発揮し、同様の平行移動推定を達成しながら回転に関して 21% の相対的な改善を達成できることを示します。

要約(オリジナル)

Robustly estimating camera poses from a set of images is a fundamental task which remains challenging for differentiable methods, especially in the case of small and sparse camera pose graphs. To overcome this challenge, we propose Pose-refined Rotation Averaging Graph Optimization (PRAGO). From a set of objectness detections on unordered images, our method reconstructs the rotational pose, and in turn, the absolute pose, in a differentiable manner benefiting from the optimization of a sequence of geometrical tasks. We show how our objectness pose-refinement module in PRAGO is able to refine the inherent ambiguities in pairwise relative pose estimation without removing edges and avoiding making early decisions on the viability of graph edges. PRAGO then refines the absolute rotations through iterative graph construction, reweighting the graph edges to compute the final rotational pose, which can be converted into absolute poses using translation averaging. We show that PRAGO is able to outperform non-differentiable solvers on small and sparse scenes extracted from 7-Scenes achieving a relative improvement of 21% for rotations while achieving similar translation estimates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google