論文の概要: Single-Image Depth Prediction Makes Feature Matching Easier

• arxiv url: http://arxiv.org/abs/2008.09497v1
• Date: Fri, 21 Aug 2020 14:25:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 21:56:30.218749
• Title: Single-Image Depth Prediction Makes Feature Matching Easier
• Title（参考訳）: 単一画像深度予測が特徴マッチングを容易にする
• Authors: Carl Toft, Daniyar Turmukhambetov, Torsten Sattler, Fredrik Kahl, Gabriel Brostow
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.13237284669722
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Good local features improve the robustness of many 3D re-localization and multi-view reconstruction pipelines. The problem is that viewing angle and distance severely impact the recognizability of a local feature. Attempts to improve appearance invariance by choosing better local feature points or by leveraging outside information, have come with pre-requisites that made some of them impractical. In this paper, we propose a surprisingly effective enhancement to local feature extraction, which improves matching. We show that CNN-based depths inferred from single RGB images are quite helpful, despite their flaws. They allow us to pre-warp images and rectify perspective distortions, to significantly enhance SIFT and BRISK features, enabling more good matches, even when cameras are looking at the same scene but in opposite directions.
• Abstract（参考訳）: 優れたローカル機能は、多くの3D再ローカライゼーションとマルチビュー再構築パイプラインの堅牢性を改善する。 問題は、視角と距離が局所的な特徴の認識可能性に大きく影響することである。 より優れた局所的特徴点を選択するか、外部情報を活用することによって外観の不変性を改善する試みは、その一部を非現実的にする前提条件を伴っている。 本稿では,局所特徴抽出を驚くほど効果的に向上し,マッチングを改善することを提案する。 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。 画像を事前にワープし、視点歪みを補正し、SIFTとBRISKの機能を大幅に強化し、カメラが同じシーンを見ているが反対方向を見ているときでも、より良いマッチングを可能にする。

関連論文リスト

• Local Feature Extraction from Salient Regions by Feature Map Transformation [0.7734726150561086]
  光や視点によらず,局所的な特徴を強く抽出し,記述する枠組みを提案する。 このフレームワークは照明の変動を抑制し、構造情報を光からのノイズを無視するように促す。 提案モデルでは,正常な領域から特徴点を抽出し,不整合を減少させる。
  論文  参考訳（メタデータ） (2023-01-25T05:31:20Z)
• Shared Coupling-bridge for Weakly Supervised Local Feature Learning [0.7366405857677226]
  本稿では,現在普及しているカメラポーズ監視による局所的特徴学習の促進に焦点をあてる。 弱教師付き局所特徴学習において、4つの軽量かつ効果的な改善を施した共有結合ブリッジ方式を提案する。 古典的な画像マッチングと視覚的ローカライゼーションにおいて、最先端のパフォーマンスを得ることができた。
  論文  参考訳（メタデータ） (2022-12-14T05:47:52Z)
• 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)
• CPO: Change Robust Panorama to Point Cloud Localization [20.567452635590946]
  CPOは2次元パノラマを局所化するロバストなアルゴリズムである。 CPOは軽量で、すべてのテストシナリオで効果的なローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2022-07-12T05:10:32Z)
• ReF -- Rotation Equivariant Features for Local Feature Matching [30.459559206664427]
  本稿では,モデルアーキテクチャ自体に偏りを生じさせ,回転特異な特徴を生じさせる代替的補完的手法を提案する。 我々は, ステアブルCNNの高性能, 回転特異的カバレッジを全回転角に拡張できることを実証した。 本稿では,アンサンブル,ロバストな推定,ネットワークアーキテクチャのバリエーション,回転前処理の効果について詳細に分析する。
  論文  参考訳（メタデータ） (2022-03-10T07:36:09Z)
• Pixel-Perfect Structure-from-Motion with Featuremetric Refinement [96.73365545609191]
  複数視点からの低レベル画像情報を直接アライメントすることで、動きからの2つの重要なステップを洗練する。 これにより、様々なキーポイント検出器のカメラポーズとシーン形状の精度が大幅に向上する。 本システムは,大規模な画像コレクションに容易にスケールできるので,クラウドソースによる大規模なローカライゼーションを実現することができる。
  論文  参考訳（メタデータ） (2021-08-18T17:58:55Z)
• PCLs: Geometry-aware Neural Reconstruction of 3D Pose with Perspective Crop Layers [111.55817466296402]
  我々は、カメラ幾何学に基づく関心領域の視点作物であるパースペクティブ・クロップ・レイヤ(PCL)を紹介する。 PCLは、エンドツーエンドのトレーニングと基礎となるニューラルネットワークのパラメータ数を残しながら、位置依存的な視点効果を決定論的に除去する。 PCLは、既存の3D再構成ネットワークを幾何学的に認識することで、容易に精度を向上させる手段を提供する。
  論文  参考訳（メタデータ） (2020-11-27T08:48:43Z)
• Multi-View Optimization of Local Feature Geometry [70.18863787469805]
  本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。 提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。 本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2020-03-18T17:22:11Z)
• Image Fine-grained Inpainting [89.17316318927621]
  拡張畳み込みの密結合を利用してより大きく効果的な受容場を得る一段階モデルを提案する。 この効率的なジェネレータをよく訓練するために、頻繁に使用されるVGG特徴整合損失を除いて、新しい自己誘導回帰損失を設計する。 また、局所的・グローバルな分枝を持つ識別器を用いて、局所的・グローバルな内容の整合性を確保する。
  論文  参考訳（メタデータ） (2020-02-07T03:45:25Z)

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。