論文の概要: Adaptive Assignment for Geometry Aware Local Feature Matching

• arxiv url: http://arxiv.org/abs/2207.08427v1
• Date: Mon, 18 Jul 2022 08:22:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-19 17:17:12.807475
• Title: Adaptive Assignment for Geometry Aware Local Feature Matching
• Title（参考訳）: 局所特徴マッチングを考慮した幾何学の適応的アサインメント
• Authors: Dihe Huang, Ying Chen, Shang Xu, Yong Liu, Wenlong Wu, Yikang Ding, Chengjie Wang, Fan Tang
• Abstract要約: AdaMatcherは検出器なしの局所特徴マッチング手法である。 AdaMatcherは、多くのダウンストリームタスクにおいて、ソリッドベースラインを上回り、最先端の結果を達成する。
• 参考スコア（独自算出の注目度）: 22.818457285745733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local image feature matching, aiming to identify and correspond similar regions from image pairs, is an essential concept in computer vision. Most existing image matching approaches follow a one-to-one assignment principle and employ mutual nearest neighbor to guarantee unique correspondence between local features across images. However, images from different conditions may hold large-scale variations or viewpoint diversification so that one-to-one assignment may cause ambiguous or missing representations in dense matching. In this paper, we introduce AdaMatcher, a novel detector-free local feature matching method, which first correlates dense features by a lightweight feature interaction module and estimates co-visible area of the paired images, then performs a patch-level many-to-one assignment to predict match proposals, and finally refines them based on a one-to-one refinement module. Extensive experiments show that AdaMatcher outperforms solid baselines and achieves state-of-the-art results on many downstream tasks. Additionally, the many-to-one assignment and one-to-one refinement module can be used as a refinement network for other matching methods, such as SuperGlue, to boost their performance further. Code will be available upon publication.
• Abstract（参考訳）: 画像ペアから類似領域を特定して対応することを目的とした局所画像特徴マッチングは、コンピュータビジョンにおいて不可欠な概念である。 既存の画像マッチング手法の多くは、1対1の代入原理に従っており、画像間の局所的特徴間の一意的な対応を保証するために互いに近接する隣人を用いる。 しかし、異なる条件からの画像は大規模なバリエーションや視点の多様化を保ち、1対1の割り当ては密なマッチングにおいて曖昧または欠如の表現を引き起こす可能性がある。 本稿では,まず,軽量特徴対話モジュールを用いて密度の高い特徴を関連付け,ペア画像の同時可視領域を推定し,マッチング提案を予測するパッチレベルの多対一割り当てを行い,最終的に1対1の精細モジュールを用いて精錬する,新しい検出器フリーな局所特徴マッチング手法であるadamatcherを提案する。 広範な実験により、adamatcherはソリッドベースラインを上回り、多くのダウンストリームタスクで最先端の結果を達成していることがわかった。 さらに、多対一の割り当てと1対1のリファインメントモジュールは、SuperGlueのような他のマッチングメソッドのリファインメントネットワークとして使用することで、パフォーマンスをさらに向上させることができる。 コードは出版時に公開される。

関連論文リスト

• HomoMatcher: Dense Feature Matching Results with Semi-Dense Efficiency by Homography Estimation [39.48940223810725]
  画像ペア間の特徴マッチングは、SLAMのような多くのアプリケーションを駆動するコンピュータビジョンの基本的な問題である。 本稿では,セミセンスマッチングフレームワークにおけるファインマッチングモジュールの強化に焦点をあてる。 我々は、粗いマッチングから得られたパッチ間の視点マッピングを生成するために、軽量で効率的なホモグラフィ推定ネットワークを用いる。
  論文  参考訳（メタデータ） (2024-11-11T04:05:12Z)
• PRISM: PRogressive dependency maxImization for Scale-invariant image Matching [4.9521269535586185]
  スケール不変画像マッチング(PRISM)のためのPRogressive dependency maximizationを提案する。 提案手法は,各種評価ベンチマークや下流タスクの精度向上により,より優れたマッチング性能と一般化能力を確認した。
  論文  参考訳（メタデータ） (2024-08-07T07:35:17Z)
• Adaptive Spot-Guided Transformer for Consistent Local Feature Matching [64.30749838423922]
  局所的特徴マッチングのための適応スポットガイド変換器(ASTR)を提案する。 ASTRは、統一された粗いアーキテクチャにおける局所的な一貫性とスケールのバリエーションをモデル化する。
  論文  参考訳（メタデータ） (2023-03-29T12:28:01Z)
• DeepMatcher: A Deep Transformer-based Network for Robust and Accurate Local Feature Matching [9.662752427139496]
  本研究では,検出器レス手法における局所的特徴マッチングの探索に基づくディープトランスフォーマーベースネットワークを提案する。 DeepMatcherは、より直感的でシンプルでマッシュアップな機能をキャプチャする。 我々は、DeepMatcherがいくつかのベンチマークで最先端の手法を大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2023-01-08T07:15:09Z)
• Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
  識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。 提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
  論文  参考訳（メタデータ） (2022-12-28T03:45:56Z)
• ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement [80.94378602238432]
  粗大な処理で対応性を見出すことにより、ECO-TR(Correspondence Efficient Transformer)と呼ばれる効率的な構造を提案する。 これを実現するために、複数の変圧器ブロックは段階的に連結され、予測された座標を徐々に洗練する。 種々のスパースタスクと密マッチングタスクの実験は、既存の最先端技術に対する効率性と有効性の両方において、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-09-25T13:05:33Z)
• GOCor: Bringing Globally Optimized Correspondence Volumes into Your Neural Network [176.3781969089004]
  特徴相関層は、画像ペア間の密接な対応を含むコンピュータビジョン問題において、重要なニューラルネットワークモジュールとして機能する。 我々は,特徴相関層の直接置換として機能する,完全に微分可能な密マッチングモジュール GOCor を提案する。 本手法は,幾何マッチング,光学フロー,密接なセマンティックマッチングのタスクにおいて,特徴相関層を著しく上回っている。
  論文  参考訳（メタデータ） (2020-09-16T17:33:01Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)

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。