本期论文为CVPR 2022最佳学生论文：EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation
可见于https://readpaper.com/paper/4605324801770266625?channel=harryreadpaper
陈涵晟同学已经回答好了论文十问，也欢迎大家前往提问区提问题。
对于单目物体位姿估计任务，基于PnP的几何优化方法需要通过深度网络提取图像中的2D-3D关联点，然后求解PnP问题得到物体的位姿。但因为PnP本质上不可导，难以通过反向传播PnP输出的位姿来训练网络。本文将位姿优化问题转变为预测位姿概率密度的问题，提出了端到端概率PnP（EPro-PnP），从而实现了通过监督位姿的概率分布来端到端地训练网络，使网络可以自主学习2D-3D关联点而不必强加代理损失。
