PoseINN: Regresión y Localización de Pose en Tiempo Real Basada en Visualización con Redes Neuronales Invertibles

Estimar la ego-pose a partir de cámaras es un problema importante en robótica con aplicaciones que van desde la robótica móvil hasta la realidad aumentada. Aunque los modelos SOTA se están volviendo cada vez más precisos, todavía pueden ser engorrosos debido a los altos costos computacionales. En este artículo, proponemos resolver el problema utilizando redes neuronales invertibles (INN) para encontrar la correspondencia entre el espacio latente de imágenes y poses para una escena dada. Nuestro modelo logra un rendimiento similar al de SOTA mientras es más rápido de entrenar y solo requiere renderizado fuera de línea de datos sintéticos de baja resolución. Al utilizar flujos normalizadores, el método propuesto también proporciona estimación de incertidumbre para la salida. También demostramos la eficiencia de este método al implementar el modelo en un robot móvil.