CV里程碑 | Meta携手牛津，震撼发布《行业首个端到端VGGSfm》，效果狂甩SOTA几条街！

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区， 用心写好每一篇文章！ “    SfM指的是从运动恢复结构，它通过分析一系列图像中的共同特征点来估计这些点的三维位置，同时推算出每张图像拍摄时的摄像机姿态 。 其 主要目的是从一组二维图像中估计出场景的三维结构和相机的内外参数，从而得到场景的稀疏点云模型及其几何关系 。 最近的研究工作主要围绕利用深度学习技术的力量来增强原始管道中的特定元素，同时保留增量SfM框架作为一个整体。 本文提出了一种新的深层管道VGGSfM，其中每个组件都是完全可微的，因此可以以端到端的方式进行训练。 为此，作者引入了一些新的机制，并对其进行了简化。首先，基于深度2D点跟踪的最新进展，提取可靠的像素精确轨迹，从而消除了链接成对匹配的需要。 此外， 作者根据图像和轨迹特征 ………………………………