論文の概要: Fast Feature Matching of UAV Images via Matrix Band Reduction-based GPU Data Schedule

• arxiv url: http://arxiv.org/abs/2505.22089v1
• Date: Wed, 28 May 2025 08:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.486716
• Title: Fast Feature Matching of UAV Images via Matrix Band Reduction-based GPU Data Schedule
• Title（参考訳）: 行列帯域削減に基づくGPUデータスケジュールによるUAV画像の高速特徴マッチング
• Authors: San Jiang, Kan You, Wanshou Jiang, Qingquan Li,
• Abstract要約: 提案アルゴリズムは,UAV画像の特徴マッチングのための効率的な解法である。 77.0から100.0までのスピードアップ比を持つ特徴マッチングの効率をKD-Treeベースのマッチング手法と比較して向上させる。
• 参考スコア（独自算出の注目度）: 5.104096700315428
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feature matching dominats the time costs in structure from motion (SfM). The primary contribution of this study is a GPU data schedule algorithm for efficient feature matching of Unmanned aerial vehicle (UAV) images. The core idea is to divide the whole dataset into blocks based on the matrix band reduction (MBR) and achieve efficient feature matching via GPU-accelerated cascade hashing. First, match pairs are selected by using an image retrieval technique, which converts images into global descriptors and searches high-dimension nearest neighbors with graph indexing. Second, compact image blocks are iteratively generated from a MBR-based data schedule strategy, which exploits image connections to avoid redundant data IO (input/output) burden and increases the usage of GPU computing power. Third, guided by the generated image blocks, feature matching is executed sequentially within the framework of GPU-accelerated cascade hashing, and initial candidate matches are refined by combining a local geometric constraint and RANSAC-based global verification. For further performance improvement, these two seps are designed to execute parallelly in GPU and CPU. Finally, the performance of the proposed solution is evaluated by using large-scale UAV datasets. The results demonstrate that it increases the efficiency of feature matching with speedup ratios ranging from 77.0 to 100.0 compared with KD-Tree based matching methods, and achieves comparable accuracy in relative and absolute bundle adjustment (BA). The proposed algorithm is an efficient solution for feature matching of UAV images.
• Abstract（参考訳）: 特徴マッチングは、動きからの時間コスト(SfM)を優先する。 この研究の主な貢献は、無人航空機(UAV)画像の効率的な特徴マッチングのためのGPUデータスケジュールアルゴリズムである。 中心となる考え方は、データセット全体をマトリックスバンドリダクション(MBR)に基づいてブロックに分割し、GPUアクセラレーションされたカスケードハッシュを通じて効率的な特徴マッチングを実現することである。 まず、マッチングペアを画像検索技術を用いて選択し、画像をグローバルな記述子に変換し、グラフインデックスを用いて近隣の高次元を探索する。 第二に、コンパクトな画像ブロックは、MBRベースのデータスケジュール戦略から反復的に生成され、画像接続を利用して冗長なデータIO(入出力)の負担を回避し、GPUコンピューティングパワーの使用量を増加させる。 生成した画像ブロックによってガイドされる第3に、GPUアクセラレーションされたカスケードハッシュのフレームワーク内で、特徴マッチングを順次実行し、局所的な幾何学的制約とRANSACに基づくグローバル検証を組み合わせることにより、初期候補マッチングを洗練する。 さらなるパフォーマンス向上のために、これらの2つのセプションはGPUとCPUで並列に実行されるように設計されている。 最後に,提案手法の性能を大規模UAVデータセットを用いて評価した。 その結果,KD-Tree を用いたマッチング手法と比較して,77.0 から 100.0 の範囲で特徴マッチングの効率が向上し,相対的および絶対的バンドル調整(BA)において同等の精度が得られた。 提案アルゴリズムは,UAV画像の特徴マッチングのための効率的な解法である。

関連論文リスト

• Breaking the Memory Barrier: Near Infinite Batch Size Scaling for Contrastive Loss [59.835032408496545]
  本稿では, コントラスト損失計算を任意の小ブロックに分割するタイルベースの戦略を提案する。 分散システムの階層構造を活用するためのマルチレベルタイリング戦略も導入する。 SOTAメモリ効率のソリューションと比較すると、同等の速度を維持しながら、メモリの2桁の削減を実現している。
  論文  参考訳（メタデータ） (2024-10-22T17:59:30Z)
• Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
  グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。 最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。 データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-11T06:34:05Z)
• Efficient Match Pair Retrieval for Large-scale UAV Images via Graph Indexed Global Descriptor [9.402103660431791]
  本稿では,効率的なマッチングペア検索手法を提案し,並列SfM再構成のための統合ワークフローを実装した。 提案手法は3つの大規模データセットを用いて検証されている。
  論文  参考訳（メタデータ） (2023-07-10T12:41:55Z)
• A Fast Feature Point Matching Algorithm Based on IMU Sensor [8.118281887577439]
  同時ローカライゼーションとマッピング(SLAM)では、画像特徴点マッチングプロセスが多くの時間を消費する。 画像特徴点マッチングの効率を最適化するために慣性測定ユニット(IMU)を用いるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-03T03:52:12Z)
• {\mu}Split: efficient image decomposition for microscopy data [50.794670705085835]
  muSplitは、蛍光顕微鏡画像の文脈で訓練された画像分解のための専用アプローチである。 本稿では,大規模な画像コンテキストのメモリ効率向上を実現するメタアーキテクチャである横型文脈化(LC)を提案する。 muSplitを5つの分解タスクに適用し、1つは合成データセットに、もう4つは実際の顕微鏡データから導出する。
  論文  参考訳（メタデータ） (2022-11-23T11:26:24Z)
• Efficient Dataset Distillation Using Random Feature Approximation [109.07737733329019]
  本稿では,ニューラルネットワークガウス過程(NNGP)カーネルのランダム特徴近似(RFA)を用いた新しいアルゴリズムを提案する。 我々のアルゴリズムは、KIP上で少なくとも100倍のスピードアップを提供し、1つのGPUで実行できる。 RFA蒸留 (RFAD) と呼ばれる本手法は, 大規模データセットの精度において, KIP や他のデータセット凝縮アルゴリズムと競合して動作する。
  論文  参考訳（メタデータ） (2022-10-21T15:56:13Z)
• Parallel Structure from Motion for UAV Images via Weighted Connected Dominating Set [5.17395782758526]
  本稿では,クラスタマージのための大域的モデルを抽出し,効率よく正確なUAV画像配向を実現するために並列SfMソリューションを設計するアルゴリズムを提案する。 実験の結果,提案した並列SfMは17.4倍の効率向上と相対配向精度が得られることがわかった。
  論文  参考訳（メタデータ） (2022-06-23T06:53:06Z)
• MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
  可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。 我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。 重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
  論文  参考訳（メタデータ） (2021-07-22T03:10:51Z)
• DFM: A Performance Baseline for Deep Feature Matching [10.014010310188821]
  提案手法では,事前学習したVGGアーキテクチャを特徴抽出器として使用し,マッチングを改善するために追加の訓練を必要としない。 提案アルゴリズムは,Hpatchesデータセット上で,平均マッチング精度(MMA)で0.57と0.80のスコアをそれぞれ1ピクセル,2ピクセルの閾値で達成する。
  論文  参考訳（メタデータ） (2021-06-14T22:55:06Z)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。