Fugu-MT 論文翻訳(概要): Searching from Area to Point: A Hierarchical Framework for Semantic-Geometric Combined Feature Matching

論文の概要: Searching from Area to Point: A Hierarchical Framework for Semantic-Geometric Combined Feature Matching

arxiv url: http://arxiv.org/abs/2305.00194v3
Date: Fri, 5 May 2023 09:04:12 GMT
ステータス: 処理完了
システム内更新日: 2023-05-08 16:45:06.109509
Title: Searching from Area to Point: A Hierarchical Framework for Semantic-Geometric Combined Feature Matching
Title（参考訳）: 領域からポイントへの探索:セマンティック・ジオメトリ複合機能マッチングのための階層的フレームワーク
Authors: Yesheng Zhang, Xu Zhao, Dahong Qian
Abstract要約: 本稿では,階層的な特徴マッチングフレームワークであるA2PM(Area to Point Matching)を紹介する。 SGAMとオフザシェルトランスフォーマーベースのマーカを統合することで,A2PMフレームワークを採用し,大規模点マッチングの精度向上を実現し,現代美術のポーズ推定実験を行った。
参考スコア（独自算出の注目度）: 14.297068346634351
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Feature matching is a crucial technique in computer vision. Essentially, it can be considered as a searching problem to establish correspondences between images. The key challenge in this task lies in the lack of a well-defined search space, leading to inaccurate point matching of current methods. In pursuit of a reasonable matching search space, this paper introduces a hierarchical feature matching framework: Area to Point Matching (A2PM), to first find semantic area matches between images, and then perform point matching on area matches, thus setting the search space as the area matches with salient features to achieve high matching precision. This proper search space of A2PM framework also alleviates the accuracy limitation in state-of-the-art Transformer-based matching methods. To realize this framework, we further propose Semantic and Geometry Area Matching (SGAM) method, which utilizes semantic prior and geometry consistency to establish accurate area matches between images. By integrating SGAM with off-the-shelf Transformer-based matchers, our feature matching methods, adopting the A2PM framework, achieve encouraging precision improvements in massive point matching and pose estimation experiments for present arts.
Abstract（参考訳）: 特徴マッチングはコンピュータビジョンにおいて重要な技術である。本質的には、画像間の対応を確立するための探索問題と見なすことができる。このタスクにおける重要な課題は、明確に定義された検索空間の欠如であり、現在のメソッドの不正確なポイントマッチングにつながる。本稿では,適切なマッチング検索空間を求めて,まず画像間の意味的領域マッチング(a2pm)を探索し,次に領域マッチングを行う階層的特徴マッチングフレームワークを提案する。 A2PMフレームワークの適切な検索空間は、最先端のTransformerベースのマッチング手法の精度の制限を緩和する。この枠組みを実現するために、画像間の正確な領域マッチングを確立するために、意味的前後整合性と幾何学的一貫性を利用した意味的・幾何学的領域マッチング(sgam)手法を提案する。 SGAMとオフザシェルトランスフォーマーベースのマーカを組み合わせることで,A2PMフレームワークを取り入れた特徴マッチング手法により,大規模点マッチングの精度向上と,現在の美術品のポーズ推定実験を実現する。

関連論文リスト

A Feature Matching Method Based on Multi-Level Refinement Strategy [11.300618381337777]
実験により、KTGP-ORB法は、照明のバリエーションと曖昧さのある複雑なシーンにおいて、ORBアルゴリズムと比較して誤差を平均29.92%削減することを示した。
論文参考訳（メタデータ） (2024-02-21T02:57:27Z)
MESA: Matching Everything by Segmenting Anything [16.16319526547664]
MESAは、精度の高い領域(または領域)マッチングを確立するための新しいアプローチである。室内および屋外の下流作業において,MESAが複数点整合器の精度を大幅に向上することを示す。
論文参考訳（メタデータ） (2024-01-30T04:39:32Z)
Learning-based Relational Object Matching Across Views [63.63338392484501]
本稿では,RGB画像間のオブジェクト検出をマッチングするための,局所キーポイントと新たなオブジェクトレベルの特徴を組み合わせた学習ベースアプローチを提案する。我々は、連想グラフニューラルネットワークにおいて、オブジェクト間の外観とフレーム間およびフレーム間空間関係に基づいて、オブジェクトレベルのマッチング機能を訓練する。
論文参考訳（メタデータ） (2023-05-03T19:36:51Z)
Location-Aware Self-Supervised Transformers [74.76585889813207]
画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
論文参考訳（メタデータ） (2022-12-05T16:24:29Z)
A Geometrically Constrained Point Matching based on View-invariant Cross-ratios, and Homography [2.050924050557755]
ビュー不変クロス比(CR)に基づく初期一致SIFTキーポイントの正当性検証のための幾何学的制約付きアルゴリズムを提案する。これらのキーポイントからペンタゴンをランダムに形成し、画像間の形状と位置をCRとマッチングすることにより、堅牢な平面領域推定を効率的に行うことができる。実験結果から,複数平面領域の複数シーンで良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2022-11-06T01:55:35Z)
ASpanFormer: Detector-Free Image Matching with Adaptive Span Transformer [33.603064903549985]
ASpanFormerはトランスフォーマーベースのディテクターフリーのマーカで、階層的なアテンション構造の上に構築されている。本稿では,自己適応的に注意範囲を調整できる新しい注意操作を提案する。これらの方法により、長距離依存を維持できるだけでなく、高関連性の画素間で微妙な注意を喚起することができる。
論文参考訳（メタデータ） (2022-08-30T12:21:15Z)
Dense Siamese Network [86.23741104851383]
本稿では,Dense Siamese Network(DenseSiam)を提案する。画像の2つのビュー間の類似性を最大化し、ピクセルの一貫性と領域の一貫性という2種類の一貫性を学習する。最先端のセグメンテーション手法を2.1 mIoUで28%のトレーニングコストで上回っている。
論文参考訳（メタデータ） (2022-03-21T15:55:23Z)
Exploring Complicated Search Spaces with Interleaving-Free Sampling [127.07551427957362]
本稿では,長距離接続を伴う複雑な検索空間上に探索アルゴリズムを構築する。我々はtextbfIF-NAS という単純なアルゴリズムを提案し、異なるサブネットワークを構築するために周期的なサンプリング戦略を実行する。提案した探索空間において、IF-NASはランダムサンプリングと従来の重み付け検索のアルゴリズムを有意差で上回っている。
論文参考訳（メタデータ） (2021-12-05T06:42:48Z)
SIFT Matching by Context Exposed [7.99536002595393]
本稿では、マッチングコンテキスト情報を利用して、ローカル画像記述子マッチングをステップアップする方法を検討する。新しいマッチング戦略と,それぞれにブロブマッチング(blob matching)とデラウネー三角法マッチング(Delaunay Triangulation Matching, DTM)と呼ばれる新しい局所空間フィルタが考案された。 DTMは、特に非平面シーンにおいて、精度とロバストさの整合性の観点から、最先端技術よりも同等か優れている。
論文参考訳（メタデータ） (2021-06-17T15:10:59Z)
Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
論文参考訳（メタデータ） (2020-09-26T10:28:11Z)
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)

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。