キーフレーム選択による絶対姿勢回帰の頑健性向上
マーカーレスモバイルAR向けの絶対姿勢回帰(APR)は、単一の単眼画像から6自由度のカメラ姿勢を推定する機械学習ソリューションです。APRは計算コストが低いため、モバイルAR機器の制限された計算リソースで直接実行できます。しかし、APRは訓練セットから大きく外れた入力画像に対して大きな誤差を生み出す傾向があります。本論文では、APRの推定結果と訓練セットの事前画像の推定結果を組み合わせることで、最小限のオーバーヘッドでAPRの信頼性を評価するKS-APRパイプラインを提案します。モバイルARシステムは通常、デバイスの相対姿勢を追跡するためにビジュアル慣性オドメトリ(VIO)に依存しています。したがって、KS-APRは信頼性を優先し、信頼できない姿勢を破棄します。このパイプラインは既存のほとんどのAPR手法に統合でき、信頼できない画像をフィルタリングすることで精度を向上させることができます。