論文の概要: ReF -- Rotation Equivariant Features for Local Feature Matching
- arxiv url: http://arxiv.org/abs/2203.05206v1
- Date: Thu, 10 Mar 2022 07:36:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-11 23:19:56.945490
- Title: ReF -- Rotation Equivariant Features for Local Feature Matching
- Title(参考訳): ReF -- 局所的特徴マッチングのための回転同変機能
- Authors: Abhishek Peri, Kinal Mehta, Avneesh Mishra, Michael Milford, Sourav
Garg, K. Madhava Krishna
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 30.459559206664427
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sparse local feature matching is pivotal for many computer vision and
robotics tasks. To improve their invariance to challenging appearance
conditions and viewing angles, and hence their usefulness, existing
learning-based methods have primarily focused on data augmentation-based
training. In this work, we propose an alternative, complementary approach that
centers on inducing bias in the model architecture itself to generate
`rotation-specific' features using Steerable E2-CNNs, that are then
group-pooled to achieve rotation-invariant local features. We demonstrate that
this high performance, rotation-specific coverage from the steerable CNNs can
be expanded to all rotation angles by combining it with augmentation-trained
standard CNNs which have broader coverage but are often inaccurate, thus
creating a state-of-the-art rotation-robust local feature matcher. We benchmark
our proposed methods against existing techniques on HPatches and a newly
proposed UrbanScenes3D-Air dataset for visual place recognition. Furthermore,
we present a detailed analysis of the performance effects of ensembling, robust
estimation, network architecture variations, and the use of rotation priors.
- Abstract(参考訳): スパースなローカル機能マッチングは、多くのコンピュータビジョンやロボティクスタスクにとって重要である。
課題のある外観条件や視角への不変性を改善するため、既存の学習手法は主にデータ強化に基づくトレーニングに焦点を当てている。
本研究では,モデルアーキテクチャ自体のバイアスを誘発して,ステアブルE2-CNNを用いて‘回転特化’機能を生成するための代替的補完的手法を提案する。
より広範にカバーできるが、しばしば不正確な拡張訓練された標準CNNと組み合わせることで、ステアブルCNNからの高速で回転特異的なカバレッジを全回転角に拡張できることを実証した。
我々は,HPatchの既存の手法と,視覚的位置認識のためのUrbanScenes3D-Airデータセットを比較検討した。
さらに, ネットワークアーキテクチャの変動, ローテーションプリミティブの利用など, センセムリング, ロバスト推定, ネットワークアーキテクチャの変動, 性能効果の詳細な解析を行った。
関連論文リスト
- Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。
そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。
PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
論文 参考訳(メタデータ) (2024-07-26T06:29:09Z) - Achieving Rotation Invariance in Convolution Operations: Shifting from Data-Driven to Mechanism-Assured [18.910817148765176]
本稿では、任意の回転に自然に不変な新しい畳み込み演算を設計する。
従来の回転不変畳み込みニューラルネットワーク(RI-CNN)と比較した。
RIConvsはトレーニングデータに制限がある場合,これらのCNNバックボーンの精度を著しく向上することを示した。
論文 参考訳(メタデータ) (2024-04-17T12:21:57Z) - PNeRFLoc: Visual Localization with Point-based Neural Radiance Fields [54.8553158441296]
統一された点ベース表現に基づく新しい視覚的ローカライゼーションフレームワーク PNeRFLoc を提案する。
一方、PNeRFLocは2次元特徴点と3次元特徴点をマッチングして初期ポーズ推定をサポートする。
一方、レンダリングベースの最適化を用いた新しいビュー合成によるポーズ改善も実現している。
論文 参考訳(メタデータ) (2023-12-17T08:30:00Z) - ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via
Adversarial Rotation [89.47574181669903]
本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。
具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。
最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
論文 参考訳(メタデータ) (2022-03-08T07:20:16Z) - Attentive Rotation Invariant Convolution for Point Cloud-based Large
Scale Place Recognition [11.433270318356675]
本稿では,Attentive Rotation Invariant Convolution (ARIConv)を提案する。
クラウドスキャンを回転させた場合の大規模位置認識タスクにおいて,本モデルが最先端の性能を達成できることを実験的に実証した。
論文 参考訳(メタデータ) (2021-08-29T09:10:56Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳(メタデータ) (2021-03-22T20:36:34Z) - RoRD: Rotation-Robust Descriptors and Orthographic Views for Local
Feature Matching [32.10261486751993]
本稿では,データ拡張と視点投影による不変記述子の学習を組み合わせる新しい枠組みを提案する。
提案手法の有効性をポーズ推定や視覚的位置認識などの重要課題に対して評価する。
論文 参考訳(メタデータ) (2021-03-15T17:40:25Z) - Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。
ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。
さらなる研究のために、コードと事前訓練されたモデルをリリースします。
論文 参考訳(メタデータ) (2021-02-01T20:58:45Z) - Learning Rotation-Invariant Representations of Point Clouds Using
Aligned Edge Convolutional Neural Networks [29.3830445533532]
ポイントクラウド分析は、シーンの深さを正確に測定できる3Dセンサーの開発によって、関心が高まる分野である。
点群解析に深層学習技術を適用することは、これらの手法が見えない回転に一般化できないため、簡単ではありません。
この制限に対処するには、通常、トレーニングデータを強化する必要があり、これは余分な計算につながる可能性があり、より大きなモデルの複雑さを必要とする。
本稿では,局所参照フレーム(LRF)に対する点群の特徴表現を学習する,Aligned Edge Convolutional Neural Network(AECNN)と呼ばれる新しいニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-01-02T17:36:00Z) - 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。
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。