一般相機(jī)姿態(tài)估計(jì)問題通常分為兩階段來處理，即首先進(jìn)行特征匹配，然后根據(jù)匹配對(duì)應(yīng)關(guān)系估計(jì)姿態(tài)，所以大家往往關(guān)注在要么提高匹配質(zhì)量，即研究更魯棒高效的特征檢測(cè)匹配算法，要么是研究如何過濾潛在的異常值。這樣導(dǎo)致匹配和姿態(tài)估計(jì)割裂開來，這篇文章則不同，他們利用了這兩個(gè)任務(wù)之間的幾何關(guān)聯(lián)：幾個(gè)好的匹配就足以進(jìn)行大致準(zhǔn)確的姿態(tài)，反過來，通過提供的幾何約束，大致準(zhǔn)確的姿態(tài)又可以用來引導(dǎo)匹配。為此，他們提出了一個(gè)迭代匹配和姿態(tài)估計(jì)框架，實(shí)現(xiàn)了一個(gè)基于幾何感知的遞歸注意力模塊，該模塊輸出稀疏匹配和相機(jī)姿態(tài)。

此外，為了提升效率，避免對(duì)無信息特征點(diǎn)進(jìn)行冗余操作，提出了一種采樣策略，將特征點(diǎn)的匹配和注意力得分以及預(yù)測(cè)姿態(tài)的不確定性相結(jié)合，自適應(yīng)去除關(guān)鍵點(diǎn)，與之前主要基于注意力得分的采樣方法相比，有效克服了過采樣問題?？蚣軓膬蓚€(gè)方面降低了時(shí)間成本：首先，與對(duì)所有情況采用固定次數(shù)的迭代相比，它對(duì)視點(diǎn)或外觀變化較少的簡(jiǎn)單情況運(yùn)行較少的迭代，而對(duì)具有挑戰(zhàn)性的情況運(yùn)行較多的迭代；其次，它降低了每次迭代的成本，顯著降低了注意力計(jì)算的二次時(shí)間復(fù)雜性，表明了丟棄潛在的異常值不僅可以提高效率，還可以提高準(zhǔn)確性。

1.提出了一種迭代地執(zhí)行幾何感知的匹配和姿態(tài)估計(jì)的框架，允許這兩個(gè)任務(wù)以迭代的方式相互促進(jìn)。

2.采用了一種穩(wěn)健的采樣策略來自適應(yīng)地丟棄迭代過程中的冗余特性點(diǎn)，顯著降低了時(shí)間復(fù)雜度。

3.將姿態(tài)不確定性應(yīng)用于采樣策略，進(jìn)一步提高了精度匹配和姿態(tài)估計(jì)。

基于transformer的迭代匹配：

首先，給定來自兩幅圖像的兩組特征點(diǎn)，，m和n是特征點(diǎn)的數(shù)量，然后匹配器預(yù)測(cè)的匹配表示為：，其中表示匹配對(duì)，而每個(gè)特征點(diǎn)由由他的二維坐標(biāo)，置信度，描述子，d是描述子維數(shù)。

這里，作者會(huì)將每個(gè)特征點(diǎn)的坐標(biāo)和他的置信度用MLP多層感知器編碼為一個(gè)高維向量，添加到原來的描述子中進(jìn)行一個(gè)擴(kuò)充。即. 操作如下：

其中 and 是用于的自注意力和交叉注意力機(jī)制，是FC層全連接層，是3層的MLP，是通道間串聯(lián)，使用共享注意力機(jī)制來進(jìn)一步增加預(yù)計(jì)算的注意力矩陣的描述符：

之后，開始進(jìn)行迭代匹配預(yù)測(cè)，在上一步獲得擴(kuò)充描述子后，利用他們計(jì)算一個(gè)匹配矩陣，，當(dāng)匹配超過預(yù)定義的閾值時(shí)定義為預(yù)測(cè)匹配。與SuperGlue類似，采用最小化匹配矩陣的負(fù)對(duì)數(shù)似然的分類損失來強(qiáng)制網(wǎng)絡(luò)預(yù)測(cè)每次迭代的正確匹配，如下所示：

基于transformer的迭代匹配：

由于噪聲和退化，并非所有正確匹配都能給出良好的姿態(tài)。之前的操作僅保證具有判別性高的描述子的特征點(diǎn)有更高的匹配分?jǐn)?shù)，并且首先被識(shí)別以參與姿態(tài)估計(jì)，但忽略了魯棒姿態(tài)估計(jì)所需的幾何要求。

因此，直接使用匹配分?jǐn)?shù)超過預(yù)定義閾值的所有潛在inliers進(jìn)行姿態(tài)估計(jì)可能是不準(zhǔn)確的。所以隱式地將幾何信息編碼進(jìn)匹配transformer中，強(qiáng)制匹配模塊首先關(guān)注不僅正確而且很有可能給出良好姿態(tài)的匹配。

為此，在每次迭代中，在中超過預(yù)定義閾值的匹配用來計(jì)算基本矩陣，其中是預(yù)測(cè)的基本矩陣，是預(yù)測(cè)的匹配，是匹配分?jǐn)?shù)，然后聯(lián)合最小化位姿誤差和極線誤差來強(qiáng)制和真值之間的幾何一致性，如下：

是Sampson距離。和分別為真值和預(yù)測(cè)匹配。

對(duì)于每次迭代，最終損失為：

我們將L（t）應(yīng)用于每次迭代，并計(jì)算t次迭代的總損失：

自適應(yīng)幾何感知的采樣：事實(shí)上，許多關(guān)鍵點(diǎn)是無信息的，并且大量關(guān)鍵點(diǎn)在其他圖像中沒有對(duì)應(yīng)關(guān)系，更新這些關(guān)鍵點(diǎn)會(huì)帶來額外的時(shí)間，所以提出了一種有效的策略來去除這些關(guān)鍵點(diǎn)。

每個(gè)關(guān)鍵點(diǎn)所包含的信息由其在注意力矩陣中對(duì)其他關(guān)鍵點(diǎn)的貢獻(xiàn)來定義（m，n是關(guān)鍵點(diǎn)中query和key的數(shù)量，h是head的數(shù)量）。通過沿head和key對(duì)值取平均值來計(jì)算每個(gè)關(guān)鍵點(diǎn)的得分，。

在第t次迭代時(shí)，包含所有對(duì)的匹配置信度的匹配矩陣M（t）揭示了哪些關(guān)鍵點(diǎn)可能具有真正的對(duì)應(yīng)關(guān)系。基于匹配矩陣M（t），生成兩個(gè)子集和。由于 and 中的關(guān)鍵點(diǎn)是潛在的內(nèi)點(diǎn)，它們可以為尋找更多信息提供指導(dǎo)，即讓, s.t. 表示中關(guān)鍵點(diǎn)的自注意力得分，生成了另一組具有高自注意分?jǐn)?shù)的關(guān)鍵點(diǎn)，, s.t. ，通過重復(fù)這個(gè)過程，從具有高交叉注意力得分的X（t）中獲得另一個(gè)子集作為，并且從Y（t）中具有高自和交叉注意力分?jǐn)?shù)的獲得兩個(gè)集合。最后的集合是信息關(guān)鍵點(diǎn)和匹配關(guān)鍵點(diǎn)的并集，

當(dāng)描述符不具有判別性時(shí)，匹配矩陣M（t）在最初的幾次迭代中可能不是非常準(zhǔn)確，從而損害準(zhǔn)確性。為了緩解這個(gè)問題，使用了預(yù)測(cè)的姿態(tài)。將姿態(tài)一致性的不確定性定義為

使用r（t）來調(diào)整采樣閾值θm，

姿態(tài)估計(jì)：在測(cè)試時(shí)，每次迭代后計(jì)算匹配M（t），并根據(jù)與RANSAC的匹配來估計(jì)姿態(tài)，連續(xù)預(yù)測(cè)姿態(tài)P（t）和P（t?1）之間的相對(duì)誤差作為停止標(biāo)準(zhǔn)來確定是否繼續(xù)迭代，即如果旋轉(zhuǎn)和平移的最大誤差小于閾值時(shí)，則迭代停止。

在YFCC100m、Scannet、Aachen Day-Night數(shù)據(jù)集上進(jìn)行測(cè)試。

YFCC100m是一個(gè)大型室外數(shù)據(jù)集，具有劇烈光照變換、季節(jié)變化和視點(diǎn)變化。

Scannet是一個(gè)室內(nèi)數(shù)據(jù)集，廣泛用于深度預(yù)測(cè)和姿態(tài)估計(jì)。

基線包括：簡(jiǎn)單的匹配器，例如MNN和NN-RT，基于濾波的方法，例如OANet、AdaLAM、CLNet和LMCNet，最后還有基于transformer的匹配器SuperGlue, SGMNet,ClusterGNN。

定性實(shí)驗(yàn)：

運(yùn)行時(shí)間：

提出了一種聯(lián)合迭代匹配和姿態(tài)估計(jì)框架，允許這兩項(xiàng)任務(wù)相互促進(jìn)，從而提高了精度和效率。

將幾何信息嵌入到匹配模塊中，使模型能夠預(yù)測(cè)匹配，這些匹配不僅準(zhǔn)確，而且能夠給出良好的姿態(tài)。此外，在每次迭代中，利用預(yù)測(cè)的匹配、相對(duì)姿態(tài)和注意力得分來在每次迭代時(shí)自適應(yīng)地去除沒有潛在真實(shí)匹配的關(guān)鍵點(diǎn)，提高了效率并保持了準(zhǔn)確性。