論文の概要: LightGlue: Local Feature Matching at Light Speed
- arxiv url: http://arxiv.org/abs/2306.13643v1
- Date: Fri, 23 Jun 2023 17:52:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 11:59:08.297260
- Title: LightGlue: Local Feature Matching at Light Speed
- Title(参考訳): lightglue: 光速での局所的な機能マッチング
- Authors: Philipp Lindenberger, Paul-Edouard Sarlin, Marc Pollefeys
- Abstract要約: 私たちは、画像間の局所的な特徴にマッチする方法を学ぶディープニューラルネットワークであるLightGlueを紹介します。
直感的にマッチングが容易なイメージペアでは、推論の方がはるかに高速です。
これにより、3D再構成のような遅延に敏感なアプリケーションにディープマーカをデプロイするエキサイティングな展望が開ける。
- 参考スコア(独自算出の注目度): 68.54040456404277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce LightGlue, a deep neural network that learns to match local
features across images. We revisit multiple design decisions of SuperGlue, the
state of the art in sparse matching, and derive simple but effective
improvements. Cumulatively, they make LightGlue more efficient - in terms of
both memory and computation, more accurate, and much easier to train. One key
property is that LightGlue is adaptive to the difficulty of the problem: the
inference is much faster on image pairs that are intuitively easy to match, for
example because of a larger visual overlap or limited appearance change. This
opens up exciting prospects for deploying deep matchers in latency-sensitive
applications like 3D reconstruction. The code and trained models are publicly
available at https://github.com/cvg/LightGlue.
- Abstract(参考訳): 画像の局所的な特徴にマッチするように学習するディープニューラルネットワークであるlightglueを紹介する。
スパースマッチングにおける最先端技術であるSuperGlueの複数の設計決定を再考し、単純だが効果的な改善を導出する。
累積的に、lightglueをより効率的にします - メモリと計算の両面で、より正確で、トレーニングがずっと簡単です。
1つの重要な特性は、LightGlueが問題の難しさに適応していることである。例えば、視覚的な重複や外観の変化の制限により、直感的に一致しやすい画像対に対して、推論がはるかに高速である。
これにより、3D再構成のような遅延に敏感なアプリケーションにディープマーカをデプロイするエキサイティングな展望が開ける。
コードとトレーニングされたモデルはhttps://github.com/cvg/LightGlue.comで公開されている。
関連論文リスト
- Zero-Reference Low-Light Enhancement via Physical Quadruple Priors [58.77377454210244]
本稿では,標準光画像のみをトレーニング可能な,ゼロ参照低光強調フレームワークを提案する。
このフレームワークは、画像にさかのぼる照明不変性を復元し、自動的に低照度化を実現します。
論文 参考訳(メタデータ) (2024-03-19T17:36:28Z) - Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。
局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。
提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
論文 参考訳(メタデータ) (2023-11-30T17:58:57Z) - LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
光ガウシアン(LightGaussian)は、3次元ガウシアンをより効率的でコンパクトなフォーマットに変換する新しい方法である。
ネットワーク・プルーニング(Network Pruning)の概念からインスピレーションを得たLightGaussianは、シーンの再構築に貢献するに足りていないガウシアンを特定する。
本稿では,全ての属性を量子化するハイブリッド方式であるVecTree Quantizationを提案する。
論文 参考訳(メタデータ) (2023-11-28T21:39:20Z) - LightSpeed: Light and Fast Neural Light Fields on Mobile Devices [29.080086014074613]
モバイルデバイス上でのリアルタイムのノベルビュー画像合成は、計算能力とストレージの制限により禁止されている。
近年の光電場表現の進歩により、モバイルデバイス上でのリアルタイムビュー合成の結果が期待できる。
論文 参考訳(メタデータ) (2023-10-25T17:59:05Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳(メタデータ) (2023-08-16T08:46:51Z) - Simplifying Low-Light Image Enhancement Networks with Relative Loss
Functions [14.63586364951471]
FLW-Net(Fast and LightWeight Network)と2つの相対損失関数を導入し,低照度画像強調における学習を容易にする。
我々はまず、グローバルコントラストを得るための大きな受容領域の必要性の課題を認識した。
そこで我々は,これらの課題を克服するために,相対情報に基づく効率的なグローバル特徴情報抽出コンポーネントと2つの損失関数を提案する。
論文 参考訳(メタデータ) (2023-04-06T10:05:54Z) - Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。
カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。
我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
論文 参考訳(メタデータ) (2022-04-21T14:40:32Z) - OpenGlue: Open Source Graph Neural Net Based Pipeline for Image Matching [3.2307366446033945]
OpenGlueは、SuperGlue citesarlin20superglueにインスパイアされた、画像マッチングのための無償のオープンソースフレームワークである。
局所的特徴尺度,向き,アフィン幾何などの付加的な幾何学的情報を含めれば,利用可能な場合,OpenGlue整形器の性能が大幅に向上することを示す。
さまざまなローカル機能のためのコードと事前訓練されたOpenGlueモデルが公開されている。
論文 参考訳(メタデータ) (2022-04-19T13:11:16Z) - Linear Array Network for Low-light Image Enhancement [11.84047819225589]
本稿では,2次元特徴符号化のみを用いて3次元グローバルウェイトを構築し,畳み込み層が生成する特徴マップを改良する線形アレー自己アテンション(LASA)機構を提案する。
LASAは、RGBおよびRAWベースの低照度拡張タスクにおいて、より少ないパラメータで既存のSOTA(State-of-the-art)手法よりも優れている。
論文 参考訳(メタデータ) (2022-01-22T08:44:02Z)
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。