摘要

深度学习在相机定位任务中取得了显著成果，但现有的单图像方法通常缺乏鲁棒性，容易产生较大的异常值。尽管顺序性（多图像）或几何约束方法在一定程度上缓解了这一问题，能够学习识别并排除动态物体及光照变化的影响，从而提升性能，但其依赖多帧输入或复杂的几何先验。本文提出，通过引入注意力机制，可引导网络聚焦于更具几何鲁棒性的物体与特征，即使仅以单张图像作为输入，也能在主流基准测试中达到当前最优的定位性能。我们在多个公开的室内与室外数据集上进行了大量实验，充分验证了所提方法的有效性。通过可视化显著性图（saliency maps），我们展示了网络如何自动抑制动态物体的影响，从而实现更优的全局相机位姿回归。相关源代码已开源，地址为：https://github.com/BingCS/AtLoc。