論文の概要: DRKF: Distilled Rotated Kernel Fusion for Efficient Rotation Invariant Descriptors in Local Feature Matching

• arxiv url: http://arxiv.org/abs/2209.10907v3
• Date: Fri, 5 Jan 2024 12:03:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 19:03:20.981619
• Title: DRKF: Distilled Rotated Kernel Fusion for Efficient Rotation Invariant Descriptors in Local Feature Matching
• Title（参考訳）: DRKF:局所特徴マッチングにおける効率的な回転不変記述子のための蒸留カーネル核融合
• Authors: Ranran Huang, Jiancheng Cai, Chao Li, Zhuoyuan Wu, Xinmin Liu, Zhenhua Chai
• Abstract要約: Rotated Fusion Kernel (RKF) は、CNN固有の性質を改善するために、畳み込みカーネルに回転を課す。 MOFAは、入力画像の複数の回転バージョンから抽出された特徴を集約する。 我々の手法は、大きな回転変動に晒された場合、他の最先端技術よりも優れる。
• 参考スコア（独自算出の注目度）: 9.68840174997957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The performance of local feature descriptors degrades in the presence of large rotation variations. To address this issue, we present an efficient approach to learning rotation invariant descriptors. Specifically, we propose Rotated Kernel Fusion (RKF) which imposes rotations on the convolution kernel to improve the inherent nature of CNN. Since RKF can be processed by the subsequent re-parameterization, no extra computational costs will be introduced in the inference stage. Moreover, we present Multi-oriented Feature Aggregation (MOFA) which aggregates features extracted from multiple rotated versions of the input image and can provide auxiliary knowledge for the training of RKF by leveraging the distillation strategy. We refer to the distilled RKF model as DRKF. Besides the evaluation on a rotation-augmented version of the public dataset HPatches, we also contribute a new dataset named DiverseBEV which is collected during the drone's flight and consists of bird's eye view images with large viewpoint changes and camera rotations. Extensive experiments show that our method can outperform other state-of-the-art techniques when exposed to large rotation variations.
• Abstract（参考訳）: 局所特徴記述子の性能は、大きな回転変動の存在下で低下する。 この問題に対処するために,回転不変ディスクリプタを効率的に学習する手法を提案する。 具体的には,cnnの固有性を改善するために畳み込み核に回転を課す回転核融合(rkf)を提案する。 RKFはその後の再パラメータ化によって処理できるため、推論段階では余分な計算コストは発生しない。 さらに,複数回転した画像から抽出した特徴を集約した多目的特徴集約(MOFA)を提案し,蒸留戦略を利用してRKFの訓練に補助的知識を提供する。 蒸留されたRKFモデルをDRKFと呼ぶ。 公開データセットHPatchesの回転拡大バージョンの評価に加えて、ドローンの飛行中に収集され、大きな視点変化とカメラ回転を伴う鳥の視線画像からなるDiverseBEVという新しいデータセットも提供します。 広範な実験により,本手法は大きな回転変動に晒された場合,他の最先端技術に勝ることを示した。

関連論文リスト

• Variance-Reducing Couplings for Random Features [57.73648780299374]
  ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。 ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。 パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
  論文  参考訳（メタデータ） (2024-05-26T12:25:09Z)
• FRED: Towards a Full Rotation-Equivariance in Aerial Image Object Detection [28.47314201641291]
  FRED(Fully Rotation-Equivariant Oriented Object Detector)を導入する。 提案手法は,DOTA-v1.0では同等の性能を示し,DOTA-v1.5では1.5mAP,モデルパラメータでは16%と大幅に低下する。
  論文  参考訳（メタデータ） (2023-12-22T09:31:43Z)
• 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)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• RIC-CNN: Rotation-Invariant Coordinate Convolutional Neural Network [56.42518353373004]
  回転不変座標変換(RIC-C)と呼ばれる新しい畳み込み演算を提案する。 CNNの標準畳み込み層を対応するRCC-Cに置き換えることで、RCC-CNNを導出することができる。 RIC-CNNはMNISTの回転試験データセット上で最先端の分類を実現することが観察できる。
  論文  参考訳（メタデータ） (2022-11-21T19:27:02Z)
• 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)
• Orthonormal Convolutions for the Rotation Based Iterative Gaussianization [64.44661342486434]
  本稿では、画像ガウス化を可能にする回転型反復ガウス化RBIGの拡張について詳述する。 RBIGの回転は主成分分析や独立成分分析に基づくため、画像では小さな画像パッチや孤立画素に制限されている。 emphConvolutional RBIG:この問題を緩和する拡張として,RBIGの回転が畳み込みであることを示す。
  論文  参考訳（メタデータ） (2022-06-08T12:56:34Z)
• 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)
• 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)

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。