論文の概要: Dual-Resolution Correspondence Networks
- arxiv url: http://arxiv.org/abs/2006.08844v2
- Date: Wed, 28 Oct 2020 17:16:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-20 21:06:26.561081
- Title: Dual-Resolution Correspondence Networks
- Title(参考訳): デュアルレゾリューション対応ネットワーク
- Authors: Xinghui Li, Kai Han, Shuda Li, Victor Adrian Prisacariu
- Abstract要約: 本稿では,Dual-Resolution Cor correspondingence Networks (DualRC-Net) を導入し,画素単位の対応を粗い方法で求める。
我々はHPatches、InLoc、Aachen Day-Nightなどの大規模公開ベンチマークで評価を行った。
- 参考スコア(独自算出の注目度): 20.004691262722265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We tackle the problem of establishing dense pixel-wise correspondences
between a pair of images. In this work, we introduce Dual-Resolution
Correspondence Networks (DualRC-Net), to obtain pixel-wise correspondences in a
coarse-to-fine manner. DualRC-Net extracts both coarse- and fine- resolution
feature maps. The coarse maps are used to produce a full but coarse 4D
correlation tensor, which is then refined by a learnable neighbourhood
consensus module. The fine-resolution feature maps are used to obtain the final
dense correspondences guided by the refined coarse 4D correlation tensor. The
selected coarse-resolution matching scores allow the fine-resolution features
to focus only on a limited number of possible matches with high confidence. In
this way, DualRC-Net dramatically increases matching reliability and
localisation accuracy, while avoiding to apply the expensive 4D convolution
kernels on fine-resolution feature maps. We comprehensively evaluate our method
on large-scale public benchmarks including HPatches, InLoc, and Aachen
Day-Night. It achieves the state-of-the-art results on all of them.
- Abstract(参考訳): 一対の画像間の高密度画素対応を確立する問題に取り組む。
本研究では,Dual-Resolution Cor correspondingence Networks (DualRC-Net) を導入し,粗い方法で画素単位の対応を求める。
DualRC-Netは粗い特徴マップと細かな特徴マップを抽出する。
粗い写像は、完全だが粗い4D相関テンソルを生成するために使用され、学習可能な近傍収束モジュールによって洗練される。
微細分解能特徴写像を用いて、精製された粗い4D相関テンソルで導かれる最終密度対応を得る。
選択された粗度マッチングスコアは、高信頼の可能な限られた数のマッチにのみ焦点を合わせることができる。
このようにして、DualRC-Netは信頼性とローカライゼーションの精度を劇的に向上させ、高額な4D畳み込みカーネルを高精細な特徴写像に適用することを避けた。
我々は,HPatches,InLoc,Aachen Day-Nightなどの大規模公開ベンチマークにおいて,この手法を総合的に評価した。
それらすべてに対して最先端の結果が得られます。
関連論文リスト
- Local All-Pair Correspondence for Point Tracking [59.76186266230608]
ビデオシーケンス間の任意の点(TAP)を追跡するタスクのために設計された,高精度かつ効率的なモデルであるLocoTrackを紹介する。
LocoTrackは、すべてのTAP-Vidベンチマークで未整合の精度を実現し、現在の最先端の約6倍の速度で動作している。
論文 参考訳(メタデータ) (2024-07-22T06:49:56Z) - Quantity-Aware Coarse-to-Fine Correspondence for Image-to-Point Cloud
Registration [4.954184310509112]
Image-to-point cloud registrationは、RGBイメージと参照ポイントクラウドの間の相対カメラのポーズを決定することを目的としている。
個々の点と画素とのマッチングは、モダリティギャップによって本質的に曖昧である。
本稿では,局所点集合と画素パッチ間の量認識対応を捉える枠組みを提案する。
論文 参考訳(メタデータ) (2023-07-14T03:55:54Z) - Progressive Multi-resolution Loss for Crowd Counting [126.01887803981619]
一つの解像度で密度マップを推定するが、複数の解像度で密度マップを計測する。
数学的に一分解能L2損失よりも優れていることを証明する。
論文 参考訳(メタデータ) (2022-12-08T07:55:13Z) - Unpaired Image Super-Resolution with Optimal Transport Maps [128.1189695209663]
実世界の画像超解像(SR)タスクは、しばしば、教師付き技術の適用を制限するペアデータセットを持っていない。
本稿では,非バイアスのOTマップを知覚輸送コストで学習する未ペアSRのアルゴリズムを提案する。
我々のアルゴリズムは、大規模無人AIM-19データセット上で、最先端のパフォーマンスをほぼ提供する。
論文 参考訳(メタデータ) (2022-02-02T16:21:20Z) - High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。
提案手法は画像分割精細化において高速かつ効果的である。
論文 参考訳(メタデータ) (2021-11-29T11:53:06Z) - InfinityGAN: Towards Infinite-Resolution Image Synthesis [92.40782797030977]
任意の解像度画像を生成するinfinityganを提案する。
少ない計算資源でパッチバイパッチをシームレスに訓練し、推論する方法を示す。
論文 参考訳(メタデータ) (2021-04-08T17:59:30Z) - $\mathbb{X}$Resolution Correspondence Networks [15.214155342197474]
本稿では,照明変化や視点変化,スタイルの違いに挑戦しながら,重なり合う視野を持つ対の像間の正確な密接な対応を確立することを目的とする。
論文 参考訳(メタデータ) (2020-12-17T18:57:58Z) - Displacement-Invariant Cost Computation for Efficient Stereo Matching [122.94051630000934]
ディープラーニング手法は、前例のない不一致の精度を得ることによって、ステレオマッチングのリーダーボードを支配してきた。
しかし、その推測時間は一般的に540p画像の秒数で遅い。
本研究では,4次元特徴量を必要としないEmphdisplacement-invariant cost moduleを提案する。
論文 参考訳(メタデータ) (2020-12-01T23:58:16Z) - Efficient Neighbourhood Consensus Networks via Submanifold Sparse
Convolutions [41.43309123350792]
我々は,難解な対応問題に対して有望な性能を実証した近頃のNeighbourhood Consensus Networksを採用する。
メモリ消費の増大, 推論時間の増加, ローカル化の不十分さなど, 主な制約を克服する修正を提案する。
提案した修正により、メモリフットプリントと実行時間が10ドル以上削減され、同じ結果が得られます。
論文 参考訳(メタデータ) (2020-04-22T13:37:36Z)
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。