論文の概要: S-TREK: Sequential Translation and Rotation Equivariant Keypoints for local feature extraction

• arxiv url: http://arxiv.org/abs/2308.14598v1
• Date: Mon, 28 Aug 2023 14:09:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 13:46:40.961418
• Title: S-TREK: Sequential Translation and Rotation Equivariant Keypoints for local feature extraction
• Title（参考訳）: S-TREK:局所特徴抽出のための逐次翻訳と回転同変キーポイント
• Authors: Emanuele Santellani, Christian Sormann, Mattia Rossi, Andreas Kuhn, Friedrich Fraundorfer
• Abstract要約: S-TREKは、設計による変換と回転の同変であるディープキーポイント検出器と、軽量なディープディスクリプタ抽出器を組み合わせた、新しい局所特徴抽出器である。 我々は、強化学習にインスパイアされたフレームワーク内でS-TREKキーポイント検出器を訓練し、シーケンシャルな手順を利用してキーポイントリピータビリティに関連する報酬を最大化する。
• 参考スコア（独自算出の注目度）: 10.598357523573382
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work we introduce S-TREK, a novel local feature extractor that combines a deep keypoint detector, which is both translation and rotation equivariant by design, with a lightweight deep descriptor extractor. We train the S-TREK keypoint detector within a framework inspired by reinforcement learning, where we leverage a sequential procedure to maximize a reward directly related to keypoint repeatability. Our descriptor network is trained following a "detect, then describe" approach, where the descriptor loss is evaluated only at those locations where keypoints have been selected by the already trained detector. Extensive experiments on multiple benchmarks confirm the effectiveness of our proposed method, with S-TREK often outperforming other state-of-the-art methods in terms of repeatability and quality of the recovered poses, especially when dealing with in-plane rotations.
• Abstract（参考訳）: 本稿では,S-TREKについて紹介する。S-TREKは,設計による変換と回転の両同型であるディープキーポイント検出器と,軽量なディープディスクリプタ抽出器を組み合わせた新しいローカル特徴抽出器である。 我々は、強化学習にインスパイアされたフレームワーク内でS-TREKキーポイント検出器を訓練し、シーケンシャル手順を利用して、キーポイントリピータビリティに直接関連する報酬を最大化する。 私たちのディスクリプタネットワークは、すでに訓練済みの検出器によってキーポイントが選択された場所でのみディスクリプタロスを評価する「検出、次に記述」アプローチに従ってトレーニングされます。 複数のベンチマークを用いた広範囲な実験により,提案手法の有効性を確認した。s-trekは,特に平面内回転を扱う場合において,再現性とクオリティの観点から,他の最先端手法よりも優れていることが多い。

関連論文リスト

• Mixture-of-Noises Enhanced Forgery-Aware Predictor for Multi-Face Manipulation Detection and Localization [52.87635234206178]
  本稿では,多面的操作検出と局所化に適したMoNFAPという新しいフレームワークを提案する。 このフレームワークには2つの新しいモジュールが含まれている: Forgery-aware Unified Predictor (FUP) Module と Mixture-of-Noises Module (MNM)。
  論文  参考訳（メタデータ） (2024-08-05T08:35:59Z)
• KDD-LOAM: Jointly Learned Keypoint Detector and Descriptors Assisted LiDAR Odometry and Mapping [9.609585217048664]
  確率的検出損失を有するマルチタスク完全畳み込みネットワークに基づく密結合型キーポイント検出器とディスクリプタを提案する。 屋内および屋外の両方のデータセットで実験したところ、TCKDDはポイントクラウドの登録において最先端のパフォーマンスを達成することがわかった。 また、キーポイント検出器とディスクリプタ支援LiDAR odometry and Mapping framework (KDD-LOAM) を設計し、その実時間オドメトリはキーポイント記述子マッチングに基づくRANSACに依存している。
  論文  参考訳（メタデータ） (2023-09-27T04:10:52Z)
• Box-based Refinement for Weakly Supervised and Unsupervised Localization Tasks [57.70351255180495]
  我々は、画像データの代わりにネットワーク出力の上の検出器を訓練し、適切な損失バックプロパゲーションを適用する。 本研究は,課題の見地に対するフレーズ接頭辞の大幅な改善を明らかにした。
  論文  参考訳（メタデータ） (2023-09-07T17:36:02Z)
• Label-Efficient Object Detection via Region Proposal Network Pre-Training [58.50615557874024]
  地域提案ネットワーク(RPN)に効果的な事前学習を提供するための簡単な事前学習タスクを提案する。 RPN事前学習のないマルチステージ検出器と比較して,本手法はダウンストリームタスク性能を継続的に改善することができる。
  論文  参考訳（メタデータ） (2022-11-16T16:28:18Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• OSKDet: Towards Orientation-sensitive Keypoint Localization for Rotated Object Detection [0.0]
  オリエンテーション感度キーポイントに基づく回転検出器OSKDetを提案する。 ターゲットを特徴付けるキーポイントのセットを採用し、roi上のキーポイントヒートマップを予測して回転したターゲットを形成する。 DOTAは77.81%、HRSC2016は89.91%、UCAS-AODは97.18%である。
  論文  参考訳（メタデータ） (2021-04-18T03:40:52Z)
• A Detector-oblivious Multi-arm Network for Keypoint Matching [14.051194519908455]
  地域重なりと深度を学習するマルチアームネットワーク(MAN)を提案する。 屋外および屋内のデータセットを用いた総合的な実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-04-02T08:55:04Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• D2D: Keypoint Extraction with Describe to Detect Approach [48.0325745125635]
  本稿では,ディスクリプタ空間内の情報を利用してキーポイント位置を提案する手法を提案する。 本稿では,まずキーポイント位置を記述し,次に検出することで,この過程を逆転する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-27T19:27:46Z)
• HDD-Net: Hybrid Detector Descriptor with Mutual Interactive Learning [24.13425816781179]
  局所的特徴抽出は、SLAMや3D再構成、ARアプリケーションといった分野の進歩により、現在も活発な研究領域である。 両抽出を個別に処理し,学習過程における相互作用に焦点を当てる手法を提案する。 我々は,カメラのローカライゼーション作業に匹敵せず,HPatchの画像マッチングと3次元再構成品質の観点から,技術状況の改善を示す。
  論文  参考訳（メタデータ） (2020-05-12T13:55:04Z)

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。