Visual Localization의 성능을 제대로 평가하기 위해서는 각 알고리즘 별로 나오는 결과값에 대한 내용을 정량적으로 비교할 수 있어야 한다. 이를 위해서는 전체 하나의 틀로 만들어진 pipeline을 만들고 거기에 패러미터만 계속 바꿔가면서 튜닝을 할 수 있어야 한다. 이를 위해서 기존에 참고하고 있는 자료는 다음이다.
2021 Image Matching Challenge의 내용
Submitting to Image Matching Challenge 2021
Step by step tutorial
ducha-aiki.github.io
그러나 위의 자료 같은 경우 visual localization 자체보다는 image matching 자체에 집중된 면이 있어 제대로 된 GT와 비교하며 visual localization 결과값을 뽑아내기 어렵다. 따라서 이에 해당되는 제대로 된 파이프라인이 필요하다.
'Computer Vision' 카테고리의 다른 글
| SLAM, SfM, NeRF 간의 차이를 알아보자 (0) | 2023.03.16 |
|---|