論文の概要: Neural Matching Fields: Implicit Representation of Matching Fields for Visual Correspondence

• arxiv url: http://arxiv.org/abs/2210.02689v1
• Date: Thu, 6 Oct 2022 05:38:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 16:45:20.032082
• Title: Neural Matching Fields: Implicit Representation of Matching Fields for Visual Correspondence
• Title（参考訳）: ニューラルマッチングフィールド:視覚対応のためのマッチングフィールドの暗黙の表現
• Authors: Sunghwan Hong, Jisu Nam, Seokju Cho, Susung Hong, Sangryul Jeon, Dongbo Min, Seungryong Kim
• Abstract要約: ニューラルマッチングフィールド(NeMF)と呼ばれる意味対応のための新しい手法を提案する。 高次元のマッチング場を学習する。なぜなら、4次元空間のすべてのピクセルから、ピクセルワイズ対応を推測するために、単純で網羅的な推論を行う必要があるからである。 これらの組み合わせにより、セマンティック対応のためのいくつかの標準ベンチマークで競争結果が得られる。
• 参考スコア（独自算出の注目度）: 41.39740414165091
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing pipelines of semantic correspondence commonly include extracting high-level semantic features for the invariance against intra-class variations and background clutters. This architecture, however, inevitably results in a low-resolution matching field that additionally requires an ad-hoc interpolation process as a post-processing for converting it into a high-resolution one, certainly limiting the overall performance of matching results. To overcome this, inspired by recent success of implicit neural representation, we present a novel method for semantic correspondence, called Neural Matching Field (NeMF). However, complicacy and high-dimensionality of a 4D matching field are the major hindrances, which we propose a cost embedding network to process a coarse cost volume to use as a guidance for establishing high-precision matching field through the following fully-connected network. Nevertheless, learning a high-dimensional matching field remains challenging mainly due to computational complexity, since a naive exhaustive inference would require querying from all pixels in the 4D space to infer pixel-wise correspondences. To overcome this, we propose adequate training and inference procedures, which in the training phase, we randomly sample matching candidates and in the inference phase, we iteratively performs PatchMatch-based inference and coordinate optimization at test time. With these combined, competitive results are attained on several standard benchmarks for semantic correspondence. Code and pre-trained weights are available at https://ku-cvlab.github.io/NeMF/.
• Abstract（参考訳）: 既存の意味対応のパイプラインには、クラス内変異や背景乱れに対する不変性に対する高レベルの意味的特徴の抽出が含まれる。 しかし、このアーキテクチャは必然的に低解像度のマッチングフィールドとなり、それにはポストプロセッシングとしてアドホックな補間プロセスが必要となり、マッチング結果の全体的な性能が確実に制限される。 近年の暗黙的ニューラル表現の成功に触発されて,ニューラルマッチングフィールド(NeMF)と呼ばれる意味対応の新たな手法を提案する。 しかし、4Dマッチングフィールドの適合性と高次元性は大きな障害であり、後続の完全接続ネットワークを通じて高精度マッチングフィールドを確立するためのガイダンスとして、粗いコストボリュームを処理するためのコスト埋め込みネットワークを提案する。 しかし、4D空間のすべてのピクセルからの単純な徹底的な推論は、ピクセルワイズ対応を推測するためには、4D空間の全ピクセルからのクエリを必要とする。 そこで本研究では, 学習段階ではランダムに候補をサンプリングし, 推論段階ではパッチマッチに基づく推論と協調最適化をテスト時に繰り返し実施する, 適切なトレーニングと推論手順を提案する。 これらの組み合わせにより、セマンティック対応のためのいくつかの標準ベンチマークで競争結果が得られる。 コードとトレーニング済みのウェイトはhttps://ku-cvlab.github.io/NeMF/.orgで公開されている。

関連論文リスト

• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Adaptive Assignment for Geometry Aware Local Feature Matching [22.818457285745733]
  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。
  論文  参考訳（メタデータ） (2022-07-18T08:22:18Z)
• Pipelined correlated minimum weight perfect matching of the surface code [56.01788646782563]
  最小ウェイト完全マッチングを用いて表面コードを復号するパイプライン手法について述べる。 独立な非通信可能な並列化処理段階は、潜在的な相関に従ってグラフを再重み付けする。 後続の一般的なステージがマッチングを終了します。 完全にフォールトトレラントなトーリック, 回転しない, 回転する曲面符号に対して, 新たなアルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2022-05-19T19:58:02Z)
• Autoencoding Low-Resolution MRI for Semantically Smooth Interpolation of Anisotropic MRI [1.281734910003263]
  符号化された低解像度例から新しい中間スライスを合成する教師なしのディープラーニングセマンティックアプローチを提案する。 この手法は, 立方体Bスプライン法よりも構造類似度指数測定とピーク信号対雑音比で有意に優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-02-18T15:40:00Z)
• Deep Kernelized Dense Geometric Matching [14.274582421372308]
  深層カーネルを用いた連続確率回帰タスクとしてグローバル対応推定を定式化することを提案する。 提案手法は,競争力のあるHPatchesとYFCC100mベンチマークの最先端技術と比較して,大幅な改善を実現している。
  論文  参考訳（メタデータ） (2022-02-01T18:58:46Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)
• 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)
• Correspondence Networks with Adaptive Neighbourhood Consensus [22.013820169455812]
  適応近傍コンセンサスネットワーク(ANC-Net)と呼ばれる畳み込みニューラルネットワークアーキテクチャを提案する。 ANC-Netは、この課題に対処するために、疎いキーポイントアノテーションでエンドツーエンドにトレーニングすることができる。 提案手法の有効性を様々なベンチマークで徹底的に評価し,最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-03-26T17:58:09Z)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)
• A deep learning approach for the computation of curvature in the level-set method [0.0]
  そこで本研究では,2次元暗黙曲線の平均曲率をレベルセット法で推定する手法を提案する。 我々のアプローチは、様々な解像度の均一な格子に没入した円柱から構築された合成データセットにフィードフォワードニューラルネットワークを適合させることに基づいている。
  論文  参考訳（メタデータ） (2020-02-04T00:49:47Z)

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。