跳到正文
arXiv · 机器人与计算机视觉· Shun Kenney, Teppei Suzuki·· 15 天前AI 评分67

DPPE:重新思考基于摄像头的位姿编码以支持多视图 Transformer 扩展

DPPE: Rethinking Camera-Based Positional Encoding for Scaling Multi-View Transformers

AI 导读

论文指出在新型视图合成模型中扩大基于摄像头的位姿编码会导致训练后期性能停滞,原因是旋转与平移信息混在同一维度造成识别不确定性。作者提出解耦位姿位置编码(DPPE),将旋转和平移显式分离。实验表明该方法支持长期稳定训练,并在增加视点数量和缩放场景等外推设置下表现更优。代码已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org