把连续学习的思路用在基于图像的相机定位问题中（ ICCV 2021）

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

点击进入—>3D视觉工坊学习交流群

Continual Learning for Image-Based Camera Localization（2021 ICCV顶会文章）

代码地址：https://github.com/AaltoVision/CL_HSCNet

主要内容：

论文探讨了将连续学习用在视觉定位问题中，从而以增量方式在场景中训练模型。一般的将深度学习方法与视觉定位相结合，比如利用深度神经网络从输入图像直接回归相机姿态或者3D场景坐标，这些方法都假设在训练期间可以获得所有场景的静态数据分布，因为如果使用非平稳数据在视觉定位的深度网络中会导致灾难性遗忘，为了解决这个问题，论文提出了一种基于从固定缓冲区存储和回放图像的强基线，此外提出了一种新的基于覆盖分数的采样方法（Buff-CS），该方法将缓冲过程中的现有采样策略用于视觉定位问题，实验结果表明，在具有挑战性的数据集（7Scenes