本文主要是介绍活动报名 | CVPR最佳学生论文:通用的概率n点透视（PnP）算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
本期为青源LIVE第48期线上直播活动，参与直播互动有惊喜🎁！
单目物体位姿估计是指通过单张图像确定其中物体在相机坐标系中的位置和朝向。因单张图像只有2D信息，没有直接的深度信息，因此物体的准确定位具有较大的挑战性。现有的基于n点透视（PnP）算法估计物体位姿的方法需要通过深度网络去预测物体的2D-3D关联点，但网络的训练往往是以回归特定点的2D或3D坐标为目标，而不是以最小化物体位姿误差为目标进行端到端训练，PnP通过优化算法求解位姿，其最优解相对于优化问题的条件（即2D-3D关联）不一定可导，因此在反向传播上存在困难，为了解决这个问题，本期青源LIVE邀请了2022 CVPR最佳学生论文一作、同济大学陈涵晟做题为《通用的概率n点透视（PnP）算法——EPro-PnP》的报告。
主讲人：陈涵晟，同济大学硕士研究生，导师为熊璐教授，副导师为助理教授田炜。曾于2021年作为研究型实习生加入阿里巴巴达摩院，由王丕超博士指导。研究兴趣主要为3D计算机视觉，在CVPR发表了两篇一作论文，其中一篇获得最佳学生论文奖。
个人主页：https://lakonik.github.io/
报告主题：通用的概率n点透视（PnP）算法——EPro-PnP
报告摘要：本次报告中，陈涵晟将针对单目图像中的物体6自由度位姿估计问题，提出一种通用的概率n点透视（PnP）算法——EPro-PnP，该算法可作为一个可微分模块插入到深度网络中，输出位姿的概率密度分布，并通过最小化预测姿态与目标姿态分布之间的 KL 散度来实现端到端的物体位姿学习。EPro-PnP结合了传统几何视觉与前沿深度学习方法的优势，理论上可拓展至学习一般的几何优化问题。
活动时间：7月4日（周一）19:00-20:00
活动形式：线上直播，扫描下方二维码报名
这篇关于活动报名 | CVPR最佳学生论文:通用的概率n点透视（PnP）算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
