論文の概要: S2DNet: Learning Accurate Correspondences for Sparse-to-Dense Feature Matching

• arxiv url: http://arxiv.org/abs/2004.01673v1
• Date: Fri, 3 Apr 2020 17:04:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 04:45:36.057530
• Title: S2DNet: Learning Accurate Correspondences for Sparse-to-Dense Feature Matching
• Title（参考訳）: S2DNet:sparse-to-Dense特徴マッチングのための正確な対応学習
• Authors: Hugo Germain, Guillaume Bourmaud, Vincent Lepetit
• Abstract要約: S2DNetは、堅牢で正確な対応を確立するために設計、訓練された新しい特徴マッチングパイプラインである。 我々は,S2DNetがHPatchesベンチマークおよび複数の長期視覚的ローカライゼーションデータセットの最先端結果を達成することを示す。
• 参考スコア（独自算出の注目度）: 36.48376198922595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Establishing robust and accurate correspondences is a fundamental backbone to many computer vision algorithms. While recent learning-based feature matching methods have shown promising results in providing robust correspondences under challenging conditions, they are often limited in terms of precision. In this paper, we introduce S2DNet, a novel feature matching pipeline, designed and trained to efficiently establish both robust and accurate correspondences. By leveraging a sparse-to-dense matching paradigm, we cast the correspondence learning problem as a supervised classification task to learn to output highly peaked correspondence maps. We show that S2DNet achieves state-of-the-art results on the HPatches benchmark, as well as on several long-term visual localization datasets.
• Abstract（参考訳）: 堅牢で正確な対応を確立することは、多くのコンピュータビジョンアルゴリズムの基本的なバックボーンである。 最近の学習に基づく特徴マッチング手法は、困難な条件下で頑健な対応を提供することで有望な結果をもたらすが、精度の面では制限されることが多い。 本稿では,S2DNetを提案する。S2DNetは,ロバストかつ高精度な通信を効率的に構築するための,新しい特徴マッチングパイプラインである。 スパース・ツー・ダンスのマッチングパラダイムを活用することで,対応学習問題を教師付き分類タスクとしてキャストし,高度にピークな対応マップの出力を学習する。 我々は,S2DNetがHPatchesベンチマークおよび複数の長期視覚的ローカライゼーションデータセットの最先端結果を達成することを示す。

関連論文リスト

• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images [76.47980643420375]
  本稿では,意味的対応の学習に固有のデータ・ハングリー・マターが存在するという仮説に基づく。 我々は,機械の監督を通じて,ペア化されたキーポイントを確実に強化する単純な機械注釈器を実証する。 我々のモデルは,SPair-71k,PF-PASCAL,PF-WILLOWといった意味対応学習ベンチマークの最先端モデルを上回る。
  論文  参考訳（メタデータ） (2023-11-30T13:22:15Z)
• Q-REG: End-to-End Trainable Point Cloud Registration with Surface Curvature [81.25511385257344]
  本稿では、リッチな幾何学的情報を用いて、単一の対応から剛性ポーズを推定する新しい解Q-REGを提案する。 Q-REGは、堅牢な推定を徹底的な探索として形式化し、エンドツーエンドのトレーニングを可能にする。 実験では、Q-REGは対応マッチング法に非依存であり、推論とエンドツーエンドトレーニングの両方で使用した場合に一貫した改善を提供する。
  論文  参考訳（メタデータ） (2023-09-27T20:58:53Z)
• D2Match: Leveraging Deep Learning and Degeneracy for Subgraph Matching [18.53692718028551]
  グラフベースのアプリケーションにとって、サブグラフマッチングは基本的なビルディングブロックである。 サブグラフマッチングにおけるディープラーニングとデジェネリシーの効率を活用してD2Matchを開発する。
  論文  参考訳（メタデータ） (2023-06-10T08:35:00Z)
• NCP: Neural Correspondence Prior for Effective Unsupervised Shape Matching [31.61255365182462]
  我々は3次元形状間の対応を計算するための新しいパラダイムであるニューラル対応優先(NCP)を提案する。 我々のアプローチは完全に教師なしであり、挑戦する場合でも高品質な対応に繋がる可能性がある。 NCPは、多くのタスクにおいて、データ効率、高速、そして最先端の結果であることを示す。
  論文  参考訳（メタデータ） (2023-01-14T07:22:18Z)
• SRFeat: Learning Locally Accurate and Globally Consistent Non-Rigid Shape Correspondence [36.44119664239748]
  比較学習の局所的精度と幾何学的アプローチのグローバルな整合性を組み合わせた学習ベースのフレームワークを提案する。 本フレームワークは汎用的であり,3次元領域と2次元領域の両方における局所的特徴学習に適用可能である。
  論文  参考訳（メタデータ） (2022-09-16T09:11:12Z)
• ABCNet v2: Adaptive Bezier-Curve Network for Real-time End-to-end Text Spotting [108.93803186429017]
  エンドツーエンドのテキストスポッティングは、統一されたフレームワークで検出と認識を統合することを目指している。 本稿では、Adaptive Bezier Curve Network v2 (ABCNet v2) を提示することで、エンドツーエンドテキストスポッティングに取り組む。 1) 任意の形状のテキストをパラメータ化されたベジアー曲線で適応的に適合させ, セグメンテーション法と比較すると, 構造的な出力だけでなく, 制御可能な表現も提供できる。 様々なバイリンガル(英語と中国語)ベンチマークデータセットで実施された総合的な実験は、ABCNet v2が現状を達成することを実証している。
  論文  参考訳（メタデータ） (2021-05-08T07:46:55Z)
• RPM-Net: Robust Point Matching using Learned Features [79.52112840465558]
  RPM-Netは、より敏感で、より堅牢なディープラーニングベースのアプローチである。 既存の方法とは異なり、我々のRPM-Netは、部分的な可視性を備えた対応や点雲の欠如を処理します。
  論文  参考訳（メタデータ） (2020-03-30T13:45:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。