Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.10933

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2508.10933 (cs)
[提交于 2025年8月12日 ]

标题: 基于姿态自编码器的相对位姿回归:提升零售应用中的准确性与数据效率

标题: Relative Pose Regression with Pose Auto-Encoders: Enhancing Accuracy and Data Efficiency for Retail Applications

Authors:Yoli Shavit, Yosi Keller
摘要: 精确的相机定位对于现代零售环境至关重要,它能够提升客户体验、简化库存管理并实现自主操作。 虽然从单张图像进行绝对姿态回归(APR)提供了一个有前景的解决方案,但结合视觉和空间场景先验的方法通常能实现更高的准确性。 相机姿态自动编码器(PAEs)最近被引入以将这些先验嵌入到APR中。 在本工作中,我们将PAEs扩展到相对姿态回归(RPR)任务,并提出一种新的重新定位方案,该方案使用基于PAE的RPR来优化APR预测,而无需额外存储图像或姿态数据。 我们首先介绍基于PAE的RPR,并通过与具有相同架构的基于图像的RPR模型进行比较来证明其有效性。 然后我们展示了由基于PAE的RPR驱动的精炼策略,在室内基准测试中提升了APR的定位精度。 值得注意的是,即使仅使用30%的数据进行训练,我们的方法也表现出具有竞争力的性能,显著降低了零售部署中的数据收集负担。 我们的代码和预训练模型可在以下链接获取:https://github.com/yolish/camera-pose-auto-encoders
摘要: Accurate camera localization is crucial for modern retail environments, enabling enhanced customer experiences, streamlined inventory management, and autonomous operations. While Absolute Pose Regression (APR) from a single image offers a promising solution, approaches that incorporate visual and spatial scene priors tend to achieve higher accuracy. Camera Pose Auto-Encoders (PAEs) have recently been introduced to embed such priors into APR. In this work, we extend PAEs to the task of Relative Pose Regression (RPR) and propose a novel re-localization scheme that refines APR predictions using PAE-based RPR, without requiring additional storage of images or pose data. We first introduce PAE-based RPR and establish its effectiveness by comparing it with image-based RPR models of equivalent architectures. We then demonstrate that our refinement strategy, driven by a PAE-based RPR, enhances APR localization accuracy on indoor benchmarks. Notably, our method is shown to achieve competitive performance even when trained with only 30% of the data, substantially reducing the data collection burden for retail deployment. Our code and pre-trained models are available at: https://github.com/yolish/camera-pose-auto-encoders
评论: 被ICCVW 2025接收
主题: 计算机视觉与模式识别 (cs.CV) ; 图像与视频处理 (eess.IV)
引用方式: arXiv:2508.10933 [cs.CV]
  (或者 arXiv:2508.10933v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.10933
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yoli Shavit [查看电子邮件]
[v1] 星期二, 2025 年 8 月 12 日 18:35:34 UTC (316 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
eess
eess.IV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号