論文の概要: Adaptive Assignment for Geometry Aware Local Feature Matching
- arxiv url: http://arxiv.org/abs/2207.08427v3
- Date: Wed, 29 Mar 2023 02:47:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 19:03:22.752926
- 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: 検出不要な特徴マッチングアプローチは、その優れたパフォーマンスのおかげで、現在大きな注目を集めている。
本稿では,AdaMatcherについて紹介する。AdaMatcherは特徴相関と協調可視領域推定を,精巧な特徴相互作用モジュールを通じて実現する。
次に、AdaMatcherは、画像間のスケールを推定しながらパッチレベルのマッチングに適応的な割り当てを行い、最後に、スケールアライメントとサブピクセルレグレッションモジュールを通じて、コビジブルマッチングを洗練する。
- 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: The detector-free feature matching approaches are currently attracting great
attention thanks to their excellent performance. However, these methods still
struggle at large-scale and viewpoint variations, due to the geometric
inconsistency resulting from the application of the mutual nearest neighbour
criterion (\ie, one-to-one assignment) in patch-level matching.Accordingly, we
introduce AdaMatcher, which first accomplishes the feature correlation and
co-visible area estimation through an elaborate feature interaction module,
then performs adaptive assignment on patch-level matching while estimating the
scales between images, and finally refines the co-visible matches through scale
alignment and sub-pixel regression module.Extensive experiments show that
AdaMatcher outperforms solid baselines and achieves state-of-the-art results on
many downstream tasks. Additionally, the adaptive assignment and sub-pixel
refinement module can be used as a refinement network for other matching
methods, such as SuperGlue, to boost their performance further. The code will
be publicly available at https://github.com/AbyssGaze/AdaMatcher.
- Abstract(参考訳): 検出不要な特徴マッチングアプローチは、その優れた性能のおかげで、現在大きな注目を集めている。
However, these methods still struggle at large-scale and viewpoint variations, due to the geometric inconsistency resulting from the application of the mutual nearest neighbour criterion (\ie, one-to-one assignment) in patch-level matching.Accordingly, we introduce AdaMatcher, which first accomplishes the feature correlation and co-visible area estimation through an elaborate feature interaction module, then performs adaptive assignment on patch-level matching while estimating the scales between images, and finally refines the co-visible matches through scale alignment and sub-pixel regression module.Extensive experiments show that AdaMatcher outperforms solid baselines and achieves state-of-the-art results on many downstream tasks.
さらに、アダプティブアサインとサブピクセルリファインメントモジュールは、SuperGlueなどの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することができる。
コードはhttps://github.com/AbyssGaze/AdaMatcher.comで公開される。
関連論文リスト
- 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) - OAMatcher: An Overlapping Areas-based Network for Accurate Local Feature
Matching [9.006654114778073]
OAMatcherは、人間の動作を模倣して、密集した正確な一致を生成する、検知不要な手法である。
OAMatcherは重複する領域を予測し、効果的でクリーンなグローバルコンテキストアグリゲーションを促進する。
総合的な実験により、OAMatcherはいくつかのベンチマークで最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2023-02-12T03:32:45Z) - Feature-based Image Matching for Identifying Individual K\=ak\=a [0.0]
本報告では、個々のk=ak=aを識別する新しい用途のための教師なし特徴ベース画像マッチングパイプラインについて検討する。
クラスタリングに類似性ネットワークを適用することで、個々の鳥を識別する現在の教師付きアプローチの弱点に対処する。
機能ベースの画像マッチングは、既存の教師付きアプローチに代わる実行可能な代替手段を提供するために、類似性ネットワークで使用できると結論付けている。
論文 参考訳(メタデータ) (2023-01-17T03:43:19Z) - 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。