Fugu-MT 論文翻訳(概要): A case for using rotation invariant features in state of the art feature matchers

論文の概要: A case for using rotation invariant features in state of the art feature matchers

arxiv url: http://arxiv.org/abs/2204.10144v1
Date: Thu, 21 Apr 2022 14:49:45 GMT
ステータス: 処理完了
システム内更新日: 2022-04-22 13:49:23.174978
Title: A case for using rotation invariant features in state of the art feature matchers
Title（参考訳）: 芸術的特徴整形術における回転不変特徴を用いた一症例
Authors: Georg B\"okman, Fredrik Kahl
Abstract要約: バックボーンCNNをステアブルCNNに置き換えることで、アート特徴マーカ(LoFTR)の状態をより堅牢にすることができる。通常の照明および視点整合シーケンスの性能を低下させることなく, このブーストが得られた。
参考スコア（独自算出の注目度）: 16.623877814298076
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The aim of this paper is to demonstrate that a state of the art feature matcher (LoFTR) can be made more robust to rotations by simply replacing the backbone CNN with a steerable CNN which is equivariant to translations and image rotations. It is experimentally shown that this boost is obtained without reducing performance on ordinary illumination and viewpoint matching sequences.
Abstract（参考訳）: 本研究の目的は, バックボーンCNNを, 翻訳や画像回転と等価なステアブルCNNに置き換えることで, アート・フィーチャー・マーカ(LoFTR)の状態をより堅牢に回転させることができることを示すことである。通常の照明および視点整合シーケンスの性能を低下させることなく, このブーストが得られた。

関連論文リスト

Oscillation Inversion: Understand the structure of Large Flow Model through the Lens of Inversion Method [60.88467353578118]
実世界のイメージを逆転させる固定点インスパイアされた反復的アプローチは収束を達成せず、異なるクラスタ間で振動することを示す。本稿では,画像強調,ストロークベースのリカラー化,および視覚的プロンプト誘導画像編集を容易にする,シンプルで高速な分布転送手法を提案する。
論文参考訳（メタデータ） (2024-11-17T17:45:37Z)
Sorted Convolutional Network for Achieving Continuous Rotational Invariance [56.42518353373004]
テクスチャ画像のハンドメイドな特徴に着想を得たSorting Convolution (SC)を提案する。 SCは、追加の学習可能なパラメータやデータ拡張を必要とせずに連続的な回転不変性を達成する。以上の結果から, SCは, 上記の課題において, 最高の性能を達成できることが示唆された。
論文参考訳（メタデータ） (2023-05-23T18:37:07Z)
Learning Rotation-Equivariant Features for Visual Correspondence [41.79256655501003]
本稿では,識別的回転不変記述子を抽出する自己教師型学習フレームワークを提案する。グループ同変CNNを利用することで、回転同変の特徴とその配向を効果的に学習する。本手法は,既存の回転不変ディスクリプタ間で,回転の異なる状態のマッチング精度を示す。
論文参考訳（メタデータ） (2023-03-25T13:42:07Z)
Image Deblurring by Exploring In-depth Properties of Transformer [86.7039249037193]
我々は、事前訓練された視覚変換器(ViT)から抽出した深い特徴を活用し、定量的な測定値によって測定された性能を犠牲にすることなく、回復した画像のシャープ化を促進する。得られた画像と対象画像の変換器特徴を比較することにより、事前学習された変換器は、高解像度のぼやけた意味情報を提供する。特徴をベクトルとみなし、抽出された画像から抽出された表現とユークリッド空間における対象表現との差を計算する。
論文参考訳（メタデータ） (2023-03-24T14:14:25Z)
ReAFFPN: Rotation-equivariant Attention Feature Fusion Pyramid Networks for Aerial Object Detection [13.12300373217556]
本稿では,ReAFFPNと命名された空中物体検出のための回転同変特徴核融合ピラミッドネットワークを提案する。 ReAFFPNは、セマンティック性とスケールの不連続性に苦しむ隣接層間の回転同変特性の融合の効果を改善することを目的としている。実験により,ReAFFPNは回転等価な特徴融合能力を向上し,回転等価な畳み込みネットワークの精度を大幅に向上することを示した。
論文参考訳（メタデータ） (2022-10-17T03:11:45Z)
IntrinsicNeRF: Learning Intrinsic Neural Radiance Fields for Editable Novel View Synthesis [90.03590032170169]
内在性ニューラルレンダリング法に内在性分解を導入した内在性ニューラルレイディアンス場(IntrinsicNeRF)を提案する。そこで,本研究では,オブジェクト固有・ルームスケールシーンと合成・実単語データの両方を用いて,一貫した本質的な分解結果が得られることを示す。
論文参考訳（メタデータ） (2022-10-02T22:45:11Z)
Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。 LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
論文参考訳（メタデータ） (2022-09-26T22:22:30Z)
Deep Rotation Correction without Angle Prior [57.76737888499145]
我々は,高コンテンツ忠実度で傾きを自動的に補正する,回転補正という新しい実用的タスクを提案する。このタスクは画像編集アプリケーションに簡単に統合でき、ユーザーは手動操作なしで回転した画像を修正できる。我々はニューラルネットワークを利用して、傾斜した画像を知覚的に水平に歪めることができる光学フローを予測する。
論文参考訳（メタデータ） (2022-07-07T02:46:27Z)
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)
SPIN: Simplifying Polar Invariance for Neural networks Application to vision-based irradiance forecasting [2.624902795082451]
画像の極座標への展開は、畳み込みアーキテクチャを訓練するためのより明示的な表現を提供する。この前処理ステップはシーン表現の標準化によって予測結果を大幅に改善することを示す。この変換は回転の中心を取り巻く領域を拡大し、より正確な短期照射予測をもたらす。
論文参考訳（メタデータ） (2021-11-29T12:58:57Z)
Rotation Invariant Deep CBIR [0.0]
本稿では,CBIR特徴抽出モデルとともに深層学習方向角検出モデルを導入することにより,回転不変CBIRシステムを構築する新しい手法を提案する。また、この回転不変な深部CBIRは、大規模データセットから画像をリアルタイムに取得できることを強調した。
論文参考訳（メタデータ） (2020-06-21T21:09:31Z)

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。