論文の概要: Learning-based Relational Object Matching Across Views
- arxiv url: http://arxiv.org/abs/2305.02398v1
- Date: Wed, 3 May 2023 19:36:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 17:53:51.519240
- Title: Learning-based Relational Object Matching Across Views
- Title（参考訳）: ビュー間の関係オブジェクトマッチングの学習
- Authors: Cathrin Elich, Iro Armeni, Martin R. Oswald, Marc Pollefeys, Joerg
Stueckler
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 63.63338392484501
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intelligent robots require object-level scene understanding to reason about
possible tasks and interactions with the environment. Moreover, many perception
tasks such as scene reconstruction, image retrieval, or place recognition can
benefit from reasoning on the level of objects. While keypoint-based matching
can yield strong results for finding correspondences for images with small to
medium view point changes, for large view point changes, matching semantically
on the object-level becomes advantageous. In this paper, we propose a
learning-based approach which combines local keypoints with novel object-level
features for matching object detections between RGB images. We train our
object-level matching features based on appearance and inter-frame and
cross-frame spatial relations between objects in an associative graph neural
network. We demonstrate our approach in a large variety of views on
realistically rendered synthetic images. Our approach compares favorably to
previous state-of-the-art object-level matching approaches and achieves
improved performance over a pure keypoint-based approach for large view-point
changes.
- Abstract（参考訳）: インテリジェントロボットは、可能なタスクや環境とのインタラクションを理解するために、オブジェクトレベルのシーン理解を必要とする。
さらに、シーン再構成、画像検索、位置認識などの多くの知覚タスクは、オブジェクトのレベルに基づく推論の恩恵を受けることができる。
キーポイントベースのマッチングは、小中小の視点変化のある画像の対応を見つけるための強力な結果をもたらすが、大きな視点変化の場合、オブジェクトレベルで意味的にマッチングすることが有利になる。
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ける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。
本手法は,実演合成画像に対する多種多様な視点で実証する。
このアプローチは、以前の最先端オブジェクトレベルのマッチングアプローチと比較し、大規模なビューポイント変更に対する純粋なキーポイントベースのアプローチよりもパフォーマンスが向上する。
関連論文リスト
- Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - Variable Radiance Field for Real-Life Category-Specifc Reconstruction
from Single Image [27.290232027686237]
本稿では,カメラパラメータが未知の単一画像からカテゴリ固有のオブジェクトを再構成できる新しいフレームワークを提案する。
マルチスケールグローバル特徴抽出器を用いてオブジェクトの形状と外観をパラメータ化する。
また,特徴抽出器の改良のために,コントラスト学習に基づく事前学習戦略を提案する。
論文 参考訳（メタデータ） (2023-06-08T12:12:02Z) - Fusing Local Similarities for Retrieval-based 3D Orientation Estimation
of Unseen Objects [70.49392581592089]
我々は,モノクロ画像から未確認物体の3次元配向を推定する作業に取り組む。
我々は検索ベースの戦略に従い、ネットワークがオブジェクト固有の特徴を学習するのを防ぐ。
また,LineMOD,LineMOD-Occluded,T-LESSのデータセットを用いた実験により,本手法が従来の手法よりもはるかに優れた一般化をもたらすことが示された。
論文 参考訳（メタデータ） (2022-03-16T08:53:00Z) - Semantically Grounded Object Matching for Robust Robotic Scene
Rearrangement [21.736603698556042]
そこで本研究では,大規模な事前学習型視覚言語モデルを用いて,オブジェクトをクロスインスタンス設定でマッチングするオブジェクトマッチング手法を提案する。
これにより、クロスインスタンス環境でのマッチング性能が大幅に向上することを示す。
論文 参考訳（メタデータ） (2021-11-15T18:39:43Z) - Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。
画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
論文 参考訳（メタデータ） (2021-09-22T18:34:14Z) - Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。
提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
論文 参考訳（メタデータ） (2020-07-21T04:03:22Z) - Improving Few-shot Learning by Spatially-aware Matching and
CrossTransformer [116.46533207849619]
数ショット学習シナリオにおけるスケールと位置ミスマッチの影響について検討する。
本稿では,複数のスケールや場所のマッチングを効果的に行うための,空間認識型マッチング手法を提案する。
論文 参考訳（メタデータ） (2020-01-06T14:10:20Z)
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。