摘要
我们提出构建一个视图图（view graph），以挖掘给定序列中全部信息，用于绝对相机位姿估计。具体而言，我们利用图神经网络（GNNs）建模该图结构，使得非连续帧之间也能实现信息交互。与直接采用常规GNN不同，我们重新定义了节点、边及嵌入函数，以适配重定位任务的需求。重构后的GNN与CNN协同工作，分别负责引导知识传播与特征提取，从而在不同层次上迭代处理多视角高维图像特征。此外，我们设计了一种基于图结构的通用损失函数，超越了传统仅限于连续视图间约束的限制，实现了网络的端到端训练。在室内与室外多个数据集上进行的大量实验表明，本方法在大规模及复杂场景下显著优于现有方法。