Fugu-MT 論文翻訳(概要): A generalised feature for low level vision

論文の概要: A generalised feature for low level vision

arxiv url: http://arxiv.org/abs/2102.02000v1
Date: Wed, 3 Feb 2021 11:02:03 GMT
ステータス: 処理完了
システム内更新日: 2021-02-04 17:26:12.685534
Title: A generalised feature for low level vision
Title（参考訳）: 低レベルビジョンのための一般化機能
Authors: Dr David Sinclair and Dr Christopher Town
Abstract要約: Sinclair-Town変換は、エッジ検出器、MSERスタイルの領域検出器、コーナー検出器の両方のロールを仮定する。局所平均との差は3つの値(暗中光)に量子化される
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This papers presents a novel quantised transform (the Sinclair-Town or ST transform for short) that subsumes the rolls of both edge-detector, MSER style region detector and corner detector. The transform is similar to the $unsharp$ transform but the difference from the local mean is quantised to 3 values (dark-neutral-light). The transform naturally leads to the definition of an appropriate local scale. A range of methods for extracting shape features form the transformed image are presented. The generalized feature provides a robust basis for establishing correspondence between images. The transform readily admits more complicated kernel behaviour including multi-scale and asymmetric elements to prefer shorter scale or oriented local features.
Abstract（参考訳）: 本稿では、エッジ検出器、MSERスタイル領域検出器およびコーナー検出器の両方のロールを仮定する新しい量子変換(シンクレア・タウ変換またはST変換)を提案する。この変換は$unsharp$変換に似ているが、局所平均との差は3値(ダークニュートラル光)に量子化される。この変換は自然に適切な局所的スケールの定義に繋がる。変換された画像から形状特徴を抽出する一連の方法を示す。一般化された特徴は、画像間の対応を確立するための堅牢な基盤を提供する。この変換は、より短いスケールまたは指向する局所的特徴を好むために、マルチスケールおよび非対称要素を含むより複雑なカーネルの振る舞いを容易に受け入れる。

関連論文リスト

Learning SO(3)-Invariant Semantic Correspondence via Local Shape Transform [62.27337227010514]
RISTと呼ばれる局所形状変換を用いた自己教師型回転不変3次元対応学習システムを提案する。 RISTは、挑戦的なクラス内変分と任意の向きの下でも、形状間の密接な対応を確立することを学ぶ。 RISTは、任意の回転点雲対に与えられる3D部分ラベル転送とセマンティックキーポイント転送の最先端性能を示す。
論文参考訳（メタデータ） (2024-04-17T08:09:25Z)
Region Feature Descriptor Adapted to High Affine Transformations [11.300618381337777]
本稿では,アフィン変換をシミュレートした領域特徴記述子を提案する。既存の古典的記述子に比べて精度と堅牢性が高い。
論文参考訳（メタデータ） (2024-02-15T05:33:58Z)
LGFCTR: Local and Global Feature Convolutional Transformer for Image Matching [8.503217766507584]
局所的文脈とグローバル構造の両方を捉えるために,新しい畳み込み変換器を提案する。普遍的なFPNライクなフレームワークは、トランスフォーマーによるクロスデコーダと同様に、自己エンコーダ内のグローバル構造をキャプチャする。新たなレグレッションベースのサブピクセルリファインメントモジュールは、微粒なウィンドウ特徴を微粒な位置ずれレグレッションに活用する。
論文参考訳（メタデータ） (2023-11-29T12:06:19Z)
Learning Local Implicit Fourier Representation for Image Warping [11.526109213908091]
画像ワーピング(LTEW)のための局所的テクスチャ推定器を提案し,次に暗黙のニューラル表現を用いて画像を連続的な形状に変形する。我々のLTEWベースのニューラル関数は、非対称スケールSRとホモグラフィ変換の既存のワープ手法よりも優れています。
論文参考訳（メタデータ） (2022-07-05T06:30:17Z)
3D Equivariant Graph Implicit Functions [51.5559264447605]
局所的詳細のモデリングを容易にする同変層を持つグラフ暗黙関数の新しいファミリを導入する。提案手法は,ShapeNet再構成作業において既存の回転同変暗黙関数を0.69から0.89に改善する。
論文参考訳（メタデータ） (2022-03-31T16:51:25Z)
LocalViT: Bringing Locality to Vision Transformers [132.42018183859483]
線、エッジ、形状、さらにはオブジェクトなどの構造に関連するため、画像には局所性が不可欠です。フィードフォワードネットワークに奥行き畳み込みを導入することで,視覚トランスフォーメーションに局所性を加える。この一見シンプルなソリューションは、フィードフォワードネットワークと反転残留ブロックの比較に触発されます。
論文参考訳（メタデータ） (2021-04-12T17:59:22Z)
Feature Pyramid Transformer [121.50066435635118]
我々は、FPT(Feature Pyramid Transformer)と呼ばれる、空間とスケールの双方で完全にアクティブな特徴相互作用を提案する。 FPTは任意の特徴ピラミッドを同じ大きさの他の特徴ピラミッドに変換するが、よりリッチなコンテキストを持つ。我々は、インスタンスレベル(オブジェクト検出とインスタンスセグメンテーション)とピクセルレベルのセグメンテーションタスクの両方で広範な実験を行う。
論文参考訳（メタデータ） (2020-07-18T15:16:32Z)
Inability of spatial transformations of CNN feature maps to support invariant recognition [0.0]
CNN特徴写像の空間変換は、元の特徴写像と一致するように変換された画像の特徴写像を整列できないことを示す。回転や反射の場合、空間変換された特徴写像やフィルタは不変性を実現するが、学習またはハードコードされた回転または反射不変の特徴を持つネットワークに限られる。
論文参考訳（メタデータ） (2020-04-30T12:12:58Z)
Understanding when spatial transformer networks do not support invariance, and what to do about it [0.0]
空間トランスフォーマーネットワーク(STN)は、畳み込みニューラルネットワーク(CNN)が画像変換に不変性を学習できるように設計された。我々はSTNが変換された画像の特徴マップと元の特徴マップを整列する能力を持っていないことを示す。複雑な特徴を生かした代替STNアーキテクチャについて検討する。
論文参考訳（メタデータ） (2020-04-24T12:20:35Z)
Steering Self-Supervised Feature Learning Beyond Local Pixel Statistics [60.92229707497999]
画像の特定の変換の識別に基づく自己教師型特徴学習の新しい原理を提案する。実験により,LCI,画像ワープ,回転などの変換を識別する学習が,技術一般化能力の状態を特徴付けることを示した。
論文参考訳（メタデータ） (2020-04-05T22:09:08Z)
A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
論文参考訳（メタデータ） (2020-03-16T14:04:45Z)

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。