HR-APR: APR-agnostic Framework with Uncertainty Estimation and Hierarchical Refinement for Camera Relocalisation

要約

Absolute Pose Regressors (APR) は単眼画像からカメラのポーズを直接推定しますが、その精度はクエリが異なると不安定です。
不確実性を認識した APR は、推定されたポーズに関する不確実性情報を提供し、これらの信頼性の低い予測の影響を軽減します。
ただし、既存の不確実性モデリング手法は特定の APR アーキテクチャと組み合わせられることが多く、その結果、最先端 (SOTA) APR 手法と比較して最適なパフォーマンスが得られません。
この研究では、クエリとデータベースの特徴間のコサイン類似度推定として不確実性推定を定式化する、APR に依存しない新しいフレームワーク HR-APR を導入しています。
柔軟性があり、計算効率が高い APR ネットワーク アーキテクチャに依存したり、影響を与えたりすることはありません。
さらに、ポーズの洗練のために不確実性を利用して、APR のパフォーマンスを向上させます。
広範な実験により、単一画像 APR の SOTA 精度を維持しながら、7Scenes および Cambridge Landmarks データセットの計算オーバーヘッドを 27.4\% および 15.2\% 削減するという、フレームワークの有効性が実証されました。

要約(オリジナル)

Absolute Pose Regressors (APRs) directly estimate camera poses from monocular images, but their accuracy is unstable for different queries. Uncertainty-aware APRs provide uncertainty information on the estimated pose, alleviating the impact of these unreliable predictions. However, existing uncertainty modelling techniques are often coupled with a specific APR architecture, resulting in suboptimal performance compared to state-of-the-art (SOTA) APR methods. This work introduces a novel APR-agnostic framework, HR-APR, that formulates uncertainty estimation as cosine similarity estimation between the query and database features. It does not rely on or affect APR network architecture, which is flexible and computationally efficient. In addition, we take advantage of the uncertainty for pose refinement to enhance the performance of APR. The extensive experiments demonstrate the effectiveness of our framework, reducing 27.4\% and 15.2\% of computational overhead on the 7Scenes and Cambridge Landmarks datasets while maintaining the SOTA accuracy in single-image APRs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google