論文の概要: Learning Probabilistic Coordinate Fields for Robust Correspondences
- arxiv url: http://arxiv.org/abs/2306.04231v1
- Date: Wed, 7 Jun 2023 08:14:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 15:38:15.249778
- Title: Learning Probabilistic Coordinate Fields for Robust Correspondences
- Title（参考訳）: ロバスト対応のための確率的座標場学習
- Authors: Weiyue Zhao, Hao Lu, Xinyi Ye, Zhiguo Cao, Xin Li
- Abstract要約: 画像対応問題に対する新しい幾何不変座標表現である確率座標場(PCF)を導入する。
我々は、座標場の分布をガウス混合モデルとしてパラメータ化するPCF-Netと呼ばれる確率的ネットワークにPCFを実装した。
屋内および屋外の両方のデータセットの実験では、正確な幾何学的不変座標がいくつかの対応問題において技術の状態を達成するのに役立つことを示唆している。
- 参考スコア（独自算出の注目度）: 24.01047640087573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Probabilistic Coordinate Fields (PCFs), a novel
geometric-invariant coordinate representation for image correspondence
problems. In contrast to standard Cartesian coordinates, PCFs encode
coordinates in correspondence-specific barycentric coordinate systems (BCS)
with affine invariance. To know \textit{when and where to trust} the encoded
coordinates, we implement PCFs in a probabilistic network termed PCF-Net, which
parameterizes the distribution of coordinate fields as Gaussian mixture models.
By jointly optimizing coordinate fields and their confidence conditioned on
dense flows, PCF-Net can work with various feature descriptors when quantifying
the reliability of PCFs by confidence maps. An interesting observation of this
work is that the learned confidence map converges to geometrically coherent and
semantically consistent regions, which facilitates robust coordinate
representation. By delivering the confident coordinates to keypoint/feature
descriptors, we show that PCF-Net can be used as a plug-in to existing
correspondence-dependent approaches. Extensive experiments on both indoor and
outdoor datasets suggest that accurate geometric invariant coordinates help to
achieve the state of the art in several correspondence problems, such as sparse
feature matching, dense image registration, camera pose estimation, and
consistency filtering. Further, the interpretable confidence map predicted by
PCF-Net can also be leveraged to other novel applications from texture transfer
to multi-homography classification.
- Abstract（参考訳）: 画像対応問題に対する新しい幾何学不変座標表現である確率座標場(pcfs)を提案する。
標準カルテシアン座標とは対照的に、PCFはアフィン不変量を持つ対応特化バリ中心座標系(BCS)の座標を符号化する。
符号化された座標をどこで信頼するかを知るため、PCF-Netと呼ばれる確率的ネットワークでPCFを実装し、座標場の分布をガウス混合モデルとしてパラメータ化する。
座標場とその信頼度を高密度流れで共同最適化することにより、PCF-Netは信頼マップによるPCFの信頼性の定量化に際し、様々な特徴記述子を扱うことができる。
この研究の興味深い観察は、学習された信頼度マップが幾何学的にコヒーレントで意味的に一貫性のある領域に収束し、ロバストな座標表現を促進することである。
キーポイント/フィーチャーディスクリプタに信頼度座標を提供することにより,PCF-Netが既存の対応依存アプローチのプラグインとして利用できることを示す。
屋内および屋外のデータセットにおける広範囲な実験により、正確な幾何学的不変座標は、スパース特徴マッチング、高密度画像登録、カメラポーズ推定、一貫性フィルタリングといったいくつかの対応問題において、芸術の状態を実現できることが示唆された。
さらに,PCF-Netにより予測される解釈可能な信頼マップは,テクスチャ転送からマルチホログラフィー分類に至るまで,他の新しい応用にも活用できる。
関連論文リスト
- Geometry-aware Feature Matching for Large-Scale Structure from Motion [10.645087195983201]
大規模シナリオでは重なりが小さい場合にギャップを埋めるために,カラーキューに加えて幾何学的手がかりを導入する。
提案手法は, 検出器フリー法からの高密度対応が幾何的に整合性を持ち, 精度が高いことを保証する。
ベンチマークデータセットにおける最先端の機能マッチングメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-09-03T21:41:35Z) - Thinner Latent Spaces: Detecting dimension and imposing invariance through autoencoder gradient constraints [9.380902608139902]
ネットワークの潜在層内の直交関係を利用して、非線形多様体データセットの内在次元性を推定できることを示す。
微分幾何学に依拠する関係理論を概説し、対応する勾配偏光最適化アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2024-08-28T20:56:35Z) - 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 Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳（メタデータ） (2022-06-17T09:40:14Z) - Trading Positional Complexity vs. Deepness in Coordinate Networks [33.90893096003318]
代替の非フーリエ埋め込み関数が実際に位置符号化に利用できることを示す。
それらの性能は、組込み行列の安定ランクと組込み座標間の距離保存の間のトレードオフによって決定される。
我々は、より複雑な位置符号化 -- モードの数と指数関数的にスケールする -- を利用することは、同等のパフォーマンスを達成するために線形(ディープではなく)座標関数のみを必要とすると論じる。
論文 参考訳（メタデータ） (2022-05-18T15:17:09Z) - DenseGAP: Graph-Structured Dense Correspondence Learning with Anchor
Points [15.953570826460869]
2つの画像間の密接な対応を確立することは、基本的なコンピュータビジョンの問題である。
我々は、アンカーポイントに条件付きグラフ構造化ニューラルネットワークを用いたDense対応学習のための新しいソリューションであるDenseGAPを紹介する。
提案手法は,ほとんどのベンチマークにおいて対応学習の最先端化を図っている。
論文 参考訳（メタデータ） (2021-12-13T18:59:30Z) - PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。
我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。
提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2021-09-28T17:56:41Z) - Similarity-Aware Fusion Network for 3D Semantic Segmentation [87.51314162700315]
本研究では,3次元セマンティックセグメンテーションのための2次元画像と3次元点雲を適応的に融合する類似性認識融合ネットワーク(SAFNet)を提案する。
我々は、入力とバックプロジェクションされた(2Dピクセルから)点雲の間の幾何学的および文脈的類似性を初めて学習する、後期融合戦略を採用している。
SAFNetは、様々なデータ完全性にまたがって、既存の最先端の核融合ベースのアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2021-07-04T09:28:18Z) - A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow
Fields on Irregular Geometries [62.28265459308354]
ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。
断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。
ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
論文 参考訳（メタデータ） (2020-10-15T12:15:02Z) - 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) - 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。