論文の概要: Image Stylization for Robust Features

• arxiv url: http://arxiv.org/abs/2008.06959v1
• Date: Sun, 16 Aug 2020 17:03:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 11:39:27.572430
• Title: Image Stylization for Robust Features
• Title（参考訳）: ロバストな特徴に対する画像スタイライゼーション
• Authors: Iaroslav Melekhov, Gabriel J. Brostow, Juho Kannala, Daniyar Turmukhambetov
• Abstract要約: 色増色に加え、画像のスタイリングはロバストな特徴を学習する強力な方法であることを示す。 基礎となる3D対応を伴わない訓練にもかかわらず,視覚的ローカライゼーションベンチマークによる学習特徴の評価を行った。
• 参考スコア（独自算出の注目度）: 32.40322346735734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local features that are robust to both viewpoint and appearance changes are crucial for many computer vision tasks. In this work we investigate if photorealistic image stylization improves robustness of local features to not only day-night, but also weather and season variations. We show that image stylization in addition to color augmentation is a powerful method of learning robust features. We evaluate learned features on visual localization benchmarks, outperforming state of the art baseline models despite training without ground-truth 3D correspondences using synthetic homographies only. We use trained feature networks to compete in Long-Term Visual Localization and Map-based Localization for Autonomous Driving challenges achieving competitive scores.
• Abstract（参考訳）: 視点や外観の変化に頑健なローカル機能は、多くのコンピュータビジョンタスクにおいて不可欠である。 本研究では, 日中だけでなく, 天候, 季節の変動においても, 局所的な特徴の頑健さが向上するかどうかを考察する。 カラー拡張に加えて,画像のスタイリゼーションがロバストな特徴を学習する強力な方法であることを示す。 合成ホモグラフのみを用いた地上3D対応の訓練を行なわずに,視覚的局所化ベンチマークによる学習特徴の評価を行った。 トレーニングされた特徴ネットワークを使用して、長期的な視覚的ローカライゼーションと、自律運転のためのマップベースのローカライゼーションで競合する。

関連論文リスト

• Weatherproofing Retrieval for Localization with Generative AI and Geometric Consistency [32.46493952272438]
  最先端のビジュアルローカライゼーションアプローチは、最初の画像検索ステップに依存している。 我々は、この検索手順を改善し、最終ローカライゼーションタスクに調整する。 これらの変化が、最も困難な視覚的ローカライゼーションデータセットの大幅な改善に変換されることを実験的に示す。
  論文  参考訳（メタデータ） (2024-02-14T15:24:20Z)
• Self-Supervised Feature Learning for Long-Term Metric Visual Localization [16.987148593917905]
  本稿では,メトリクスの視覚的ローカライゼーションのための新しい自己教師型特徴学習フレームワークを提案する。 提案手法は, 画像照合アルゴリズムを用いて, 基底構造ラベルを使わずに画像対応を生成する。 次に、画像ペアをサンプリングして、深層ニューラルネットワークをトレーニングし、関連する記述子とスコアのスパースな特徴を学習する。
  論文  参考訳（メタデータ） (2022-11-30T21:15:05Z)
• MeshLoc: Mesh-Based Visual Localization [54.731309449883284]
  シーン表現を構築するために,データベースイメージ間のマッチング機能を必要としない,高密度な3Dメッシュに基づく,より柔軟な代替手段を模索する。 驚くべきことに、ニューラルネットワークのレンダリングステージなしで、これらのメッシュのレンダリングの特徴を抽出するときに、競合的な結果が得られる。 以上の結果から,高密度な3次元モデルに基づく表現は,既存の表現の代替として有望なものであり,今後の研究にとって興味深い,挑戦的な方向性を示すものと考えられる。
  論文  参考訳（メタデータ） (2022-07-21T21:21:10Z)
• Attribute Prototype Network for Any-Shot Learning [113.50220968583353]
  属性ローカライズ機能を統合した画像表現は、任意のショット、すなわちゼロショットと少数ショットのイメージ分類タスクに有用である、と我々は主張する。 クラスレベルの属性のみを用いてグローバルな特徴とローカルな特徴を共同で学習する新しい表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-04T02:25:40Z)
• Deep auxiliary learning for visual localization using colorization task [25.803016939312137]
  シーン固有の高レベルセマンティクスを導入することで,カメラのローカライゼーションのための新しい補助学習戦略を提案する。 本研究では,色付けネットワークから特徴表現をローカライズネットワークに組込み,ポーズ回帰のための識別的特徴を生成する。 本モデルは,屋内および屋外両方のデータセット上での最先端技術に対する局所化精度を著しく向上させる。
  論文  参考訳（メタデータ） (2021-07-01T05:25:19Z)
• Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
  視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。 特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。 我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
  論文  参考訳（メタデータ） (2020-12-02T18:19:51Z)
• Single-Image Depth Prediction Makes Feature Matching Easier [49.13237284669722]
  単一RGB画像から推定されるCNNに基づく深度は,その欠点にもかかわらず非常に有用であることを示す。 これにより、画像のプリワープや視点歪みの修正が可能になり、SIFTとBRISKの機能を大幅に強化できます。
  論文  参考訳（メタデータ） (2020-08-21T14:25:36Z)
• Co-Attention for Conditioned Image Matching [91.43244337264454]
  照明, 視点, コンテキスト, 素材に大きな変化がある場合, 野生のイメージペア間の対応性を決定するための新しい手法を提案する。 他のアプローチでは、イメージを個別に扱うことで、画像間の対応を見出すが、その代わりに、画像間の差異を暗黙的に考慮するよう、両画像に条件を付ける。
  論文  参考訳（メタデータ） (2020-07-16T17:32:00Z)
• Dense Semantic 3D Map Based Long-Term Visual Localization with Hybrid Features [5.5984870003693645]
  そこで本研究では,密集したセマンティック3Dマップを用いた手工芸と学習のハイブリッド特徴を用いた新しい視覚的位置決め手法を提案する。 長期ベンチマークテストでは, 最先端の解法と比較して, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-05-21T16:36:37Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。