阿里創新三維定位地圖壓縮算法，論文成果入選頂會CVPR 2022
本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。
5月20日消息，阿里巴巴達摩院XR實驗室提出新的三維定位地圖壓縮算法，在保證視覺定位精度的前提下將地圖壓縮250多倍，使之可存儲于手機等端側設備。相關論文被計算機視覺頂會CVPR 2022收錄。據悉，該實驗室持續優化自研三維算法，在建圖、定位等核心技術模塊屢有創新，多個論文成果先后被國際頂會收錄。
3D視覺定位是沉浸式互聯網的核心技術之一。標準的3D視覺定位方法需提前構建特定場景的3D地圖，使之可與相機拍攝的2D圖片進行特征點匹配，以計算用戶的位置和姿態。但3D地圖體量巨大，對存儲空間需求較高，無法部署在內存和帶寬有限的手機等移動設備。
業界對3D地圖的輕量化做了諸多探索，在前人工作基礎上，達摩院XR實驗室提出新方法SceneSqueezer，將3D地圖壓縮250倍以上，并使精度損失控制在較小范圍，實現模型大小和定位精度的平衡。
SceneSqueezer采用分層策略對3D地圖進行壓縮
根據論文SceneSqueezer: Learning to Compress Scene for Camera Relocalization，達摩院團隊采用分層策略對3D地圖進行壓縮，首先利用成對的共可見性信息對數據庫圖像進行聚類，將場景劃分為多個集群分別壓縮；其次，基于最終的位姿估計精度，學習選擇每個圖片的特征點；最后通過特征量化方法壓縮特征點的描述。該算法在Cambridge Landmarks、Aachen Day-Night等室外場景數據集上取得了優于既有方法的表現。
達摩院XR實驗室高級算法專家董子龍介紹，XR團隊自研三維算法體系，在建圖、定位等核心技術模塊屢有突破，今年已有多篇論文入選頂會。如Quadtree Attention for Vision Transformer提出四叉樹注意力機制，提升了基于視覺任務的Transformer模型的性能，入選深度學習頂會ICLR 2022；Neural Window Fully-connected CRFs for Monocular Depth Estimation提出單相機深度估計算法，利用消費級全景相機就可完成深度估計任務，大大降低三維建圖成本，文章被CVPR 2022錄用。
達摩院XR實驗室在杭州文三街開發的“AR打卡”項目
XR實驗室是達摩院新近成立的實驗室，致力于研究下一代互聯網技術，該團隊研發的AR、VR技術已落地跨境電商、數字城區等多個場景，如為杭州文三數字生活街區建造1:1還原的三維“數字孿生體”，為杭州奧體中心10萬平米地下停車場開發AR導航服務等。
