論文の概要: SIM2E: Benchmarking the Group Equivariant Capability of Correspondence Matching Algorithms

• arxiv url: http://arxiv.org/abs/2208.09896v1
• Date: Sun, 21 Aug 2022 14:47:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 12:23:16.756402
• Title: SIM2E: Benchmarking the Group Equivariant Capability of Correspondence Matching Algorithms
• Title（参考訳）: SIM2E:対応マッチングアルゴリズムの群等価性ベンチマーク
• Authors: Shuai Su, Zhongkai Zhao, Yixin Fei, Shuda Li, Qijun Chen, Rui Fan
• Abstract要約: 本稿では,sim(2)-同変対応マッチングアルゴリズムの評価専用のデータセットを提案する。 我々は16の最先端(SoTA)対応マッチング手法の性能を比較した。 CNNベースの対応マッチングアプローチによって達成されるサブピクセル精度は満足できないため、この特定領域は今後の研究により多くの注意を要する。
• 参考スコア（独自算出の注目度）: 12.892976023503818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Correspondence matching is a fundamental problem in computer vision and robotics applications. Solving correspondence matching problems using neural networks has been on the rise recently. Rotation-equivariance and scale-equivariance are both critical in correspondence matching applications. Classical correspondence matching approaches are designed to withstand scaling and rotation transformations. However, the features extracted using convolutional neural networks (CNNs) are only translation-equivariant to a certain extent. Recently, researchers have strived to improve the rotation-equivariance of CNNs based on group theories. Sim(2) is the group of similarity transformations in the 2D plane. This paper presents a specialized dataset dedicated to evaluating sim(2)-equivariant correspondence matching algorithms. We compare the performance of 16 state-of-the-art (SoTA) correspondence matching approaches. The experimental results demonstrate the importance of group equivariant algorithms for correspondence matching on various sim(2) transformation conditions. Since the subpixel accuracy achieved by CNN-based correspondence matching approaches is unsatisfactory, this specific area requires more attention in future works. Our dataset is publicly available at: mias.group/SIM2E.
• Abstract（参考訳）: 対応マッチングはコンピュータビジョンとロボット工学の応用における基本的な問題である。 近年,ニューラルネットワークを用いた対応マッチング問題の解決が進んでいる。 回転等分散とスケール等分散はどちらも対応マッチング応用において重要である。 古典的な対応マッチングアプローチは、スケーリングと回転変換に耐えるように設計されている。 しかし、畳み込みニューラルネットワーク(CNN)を用いて抽出された特徴は、ある程度の翻訳等価である。 近年,グループ理論に基づくCNNの回転等価性の向上が試みられている。 Sim(2) は 2次元平面における類似性変換の群である。 本稿では,sim(2)-同変対応マッチングアルゴリズムの評価専用のデータセットを提案する。 16の最先端対応マッチング手法(sota)の性能比較を行った。 実験の結果,様々なsim(2)変換条件における対応マッチングにおける群同変アルゴリズムの重要性が示された。 CNNベースの対応マッチングアプローチによって達成されるサブピクセル精度は満足できないため、この特定領域は今後の研究により多くの注意を要する。 私たちのデータセットは、mias.group/SIM2Eで公開されています。

関連論文リスト

• Affine Invariance in Continuous-Domain Convolutional Neural Networks [6.019182604573028]
  本研究では,連続領域畳み込みニューラルネットワークにおけるアフィン不変性について検討する。 アフィン変換における2つの入力信号の類似性を評価するための新しい基準を導入する。 私たちの研究は最終的には、実用的なディープラーニングパイプラインが扱える幾何学的変換の範囲を広げることができます。
  論文  参考訳（メタデータ） (2023-11-13T14:17:57Z)
• A2B: Anchor to Barycentric Coordinate for Robust Correspondence [25.719939636977934]
  偏心座標のような幾何学的不変な座標表現は特徴間のミスマッチを著しく低減できることを示す。 本稿では,ペア画像から複数のアフィン-不変対応座標を生成する新しいアンカー-バリー中心(A2B)座標符号化手法であるDECREEを紹介する。
  論文  参考訳（メタデータ） (2023-06-05T10:28:53Z)
• Learning Partial Correlation based Deep Visual Representation for Image Classification [61.0532370259644]
  CNNの新たな構造層としてスパース逆共分散推定(SICE)を定式化する。 本研究は,部分的相関に基づく深部視覚表現を求め,小さなサンプル問題を緩和する。 実験により,本モデルの有効性と優れた分類性能が示された。
  論文  参考訳（メタデータ） (2023-04-23T10:09:01Z)
• Equivariant Similarity for Vision-Language Foundation Models [134.77524524140168]
  本研究は、主要な訓練目的だけでなく、下流タスクをサポートするためのコアデリバリであるマルチモーダル類似性関数に焦点を当てる。 一致した2組のトレーニングペアから効率よく計算できる正規化損失であるEqSimを提案する。 既存の評価セットと比較すると、EqBenは"視覚的最小限の変化"に最初に焦点を当てている。
  論文  参考訳（メタデータ） (2023-03-25T13:22:56Z)
• Deep Neural Networks with Efficient Guaranteed Invariances [77.99182201815763]
  我々は、性能改善の問題、特にディープニューラルネットワークのサンプル複雑性に対処する。 群同変畳み込みは同変表現を得るための一般的なアプローチである。 本稿では,各ストリームが異なる変換に不変なマルチストリームアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-03-02T20:44:45Z)
• Equivariance versus Augmentation for Spherical Images [0.7388859384645262]
  球面画像に適用した畳み込みニューラルネットワーク(CNN)における回転同値の役割を解析する。 我々は、S2CNNとして知られるグループ同変ネットワークと、データ増大量で訓練された標準非同変CNNの性能を比較した。
  論文  参考訳（メタデータ） (2022-02-08T16:49:30Z)
• Improving the Sample-Complexity of Deep Classification Networks with Invariant Integration [77.99182201815763]
  変換によるクラス内分散に関する事前知識を活用することは、ディープニューラルネットワークのサンプル複雑性を改善するための強力な方法である。 そこで本研究では,アプリケーションの複雑な問題に対処するために,プルーニング法に基づく新しい単項選択アルゴリズムを提案する。 本稿では,Rotated-MNIST,SVHN,CIFAR-10データセットにおけるサンプルの複雑さの改善について述べる。
  論文  参考訳（メタデータ） (2022-02-08T16:16:11Z)
• Convolutional Hough Matching Networks [39.524998833064956]
  畳み込みマッチングにおけるハフ変換の視点を導入し、畳み込みハフマッチング(CHM)と呼ばれる効果的な幾何マッチングアルゴリズムを提案する。 半等方性高次元カーネルを持つ学習可能な神経層にキャストし、少数の解釈可能なパラメータとの非剛性マッチングを学習した。 本手法は,意味的視覚対応のための標準ベンチマークの新たな技術を確立し,クラス内変動に対する強固さを証明した。
  論文  参考訳（メタデータ） (2021-03-31T06:17:03Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Group Equivariant Conditional Neural Processes [30.134634059773703]
  群同変条件ニューラルプロセス(EquivCNP)を提案する。 EquivCNPは1次元回帰タスクにおいて従来の条件付きニューラルプロセスに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2021-02-17T13:50:07Z)
• 3D Correspondence Grouping with Compatibility Features [51.869670613445685]
  本稿では,3次元対応グルーピングのための簡易かつ効果的な手法を提案する。 目的は、局所幾何学的記述子を不整合と外接点にマッチングすることによって得られる初期対応を正確に分類することである。 本稿では,不整合と不整合を表わすために,互換性特徴(CF)と呼ばれる3次元対応の表現を提案する。
  論文  参考訳（メタデータ） (2020-07-21T02:39:48Z)

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。