論文の概要: CA-I2P: Channel-Adaptive Registration Network with Global Optimal Selection

• arxiv url: http://arxiv.org/abs/2506.21364v1
• Date: Thu, 26 Jun 2025 15:15:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.157514
• Title: CA-I2P: Channel-Adaptive Registration Network with Global Optimal Selection
• Title（参考訳）: CA-I2P:グローバル最適選択によるチャネル適応登録ネットワーク
• Authors: Zhixin Cheng, Jiacheng Deng, Xinjun Li, Xiaotian Yin, Bohao Liao, Baoqun Yin, Wenfei Yang, Tianzhu Zhang,
• Abstract要約: 本稿では,Channel Adaptive Adjustment Module (CAA)とGlobal Optimal Selection Module (GOS)を提案する。 CAAはモーダル内機能を強化し、モーダル間感度を抑える一方、GOSは局所的な選択をグローバルな最適化に置き換える。 RGB-D Scenes V2 と 7-Scenes の実験により,本手法の優位性を実証し,画像間クラウド登録における最先端性能を実現した。
• 参考スコア（独自算出の注目度）: 26.9769444535474
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detection-free methods typically follow a coarse-to-fine pipeline, extracting image and point cloud features for patch-level matching and refining dense pixel-to-point correspondences. However, differences in feature channel attention between images and point clouds may lead to degraded matching results, ultimately impairing registration accuracy. Furthermore, similar structures in the scene could lead to redundant correspondences in cross-modal matching. To address these issues, we propose Channel Adaptive Adjustment Module (CAA) and Global Optimal Selection Module (GOS). CAA enhances intra-modal features and suppresses cross-modal sensitivity, while GOS replaces local selection with global optimization. Experiments on RGB-D Scenes V2 and 7-Scenes demonstrate the superiority of our method, achieving state-of-the-art performance in image-to-point cloud registration.
• Abstract（参考訳）: 検出不要な手法は通常粗いパイプラインを辿り、パッチレベルのマッチングと高密度ピクセル対ポイント対応の精細化のために画像と点雲の特徴を抽出する。 しかし、画像と点雲の特徴チャネルの注意の相違は、結果の劣化を招き、最終的には登録精度を損なう可能性がある。 さらに、シーン内の類似した構造は、クロスモーダルマッチングにおいて冗長な対応をもたらす可能性がある。 これらの問題に対処するため,Channel Adaptive Adjustment Module (CAA)とGlobal Optimal Selection Module (GOS)を提案する。 CAAはモーダル内機能を強化し、モーダル間感度を抑える一方、GOSは局所的な選択をグローバルな最適化に置き換える。 RGB-D Scenes V2 と 7-Scenes の実験により,本手法の優位性を実証し,画像間クラウド登録における最先端性能を実現した。

関連論文リスト

• FF-LOGO: Cross-Modality Point Cloud Registration with Feature Filtering and Local to Global Optimization [27.539477998613513]
  本稿では,特徴フィルタリングと局所的最適化を併用したクロスモダリティポイントクラウド登録フレームワークを提案する。 提案手法は,3DCSRデータセットにおける現在の最先端手法と比較して,大幅なリコール率の向上を実現している。
  論文  参考訳（メタデータ） (2023-09-16T11:42:41Z)
• Semi-supervised Domain Adaptive Medical Image Segmentation through Consistency Regularized Disentangled Contrastive Learning [11.049672162852733]
  本研究では,医用画像分割のための半教師付き領域適応法(SSDA)について検討した。 本稿では,2段階の学習プロセスを提案する。まず,新しいドメイン・コンテント・ディコンタングル・コントラスト学習(CL)と画素レベルの特徴整合性制約を用いて,自己学習パラダイムでエンコーダを事前学習する。 提案手法がUDA設定で容易に拡張可能であることを実験的に検証し、提案手法の優位性を高める。
  論文  参考訳（メタデータ） (2023-07-06T06:13:22Z)
• Condition-Invariant Semantic Segmentation [77.10045325743644]
  我々は現在最先端のドメイン適応アーキテクチャ上で条件不変セマンティック(CISS)を実装している。 本手法は,通常の都市景観$to$ACDCベンチマークにおいて,2番目に高い性能を実現する。 CISSはBDD100K-nightやACDC-nightのようなトレーニング中に見えない領域によく一般化している。
  論文  参考訳（メタデータ） (2023-05-27T03:05:07Z)
• Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images [26.51970603200391]
  本稿では,スパース畳み込みに基づく検出ヘッドの最適化について検討する。 これは、小さなオブジェクトのコンテキスト情報の不十分な統合に悩まされる。 本稿では,グローバルな文脈拡張型適応スパース畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-25T14:42:50Z)
• I2F: A Unified Image-to-Feature Approach for Domain Adaptive Semantic Segmentation [55.633859439375044]
  意味的セグメンテーションのための教師なしドメイン適応(UDA)は、重いアノテーション作業から人々を解放する有望なタスクである。 この問題に対処する主要なアイデアは、画像レベルと特徴レベルの両方を共同で実行することである。 本稿では,画像レベルと特徴レベルを統一したセマンティックセグメンテーションのための新しいUDAパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-01-03T15:19:48Z)
• Refign: Align and Refine for Adaptation of Semantic Segmentation to Adverse Conditions [78.71745819446176]
  Refignは、ドメイン間の通信を利用する自己学習ベースのUDAメソッドへの汎用的な拡張である。 Refign は,(1) 不確実性を認識した高密度マッチングネットワークを用いて,正常条件画像と対応する悪条件画像とを整列させ,(2) 適応ラベル補正機構を用いて正常予測で悪条件予測を精査する。 このアプローチでは、追加のトレーニングパラメータや、トレーニングのみの計算オーバーヘッドの最小化は導入されず、任意の自己学習ベースのUDAメソッドを改善するためにドロップイン拡張として使用することができる。
  論文  参考訳（メタデータ） (2022-07-14T11:30:38Z)
• Active Domain Adaptation with Multi-level Contrastive Units for Semantic Segmentation [22.048328293739182]
  セマンティックイメージセグメンテーションのための多レベルコントラストユニット(ADA-MCU)を用いた新しいアクティブドメイン適応方式を提案する。 ADA-MCUは、ラベル付きおよびラベルなしのピクセルを使用して、画像内、クロスイメージ、およびクロスドメインレベルから構築される。 提案手法は,ラベル付き画素を50%減らした最先端のSSDA手法に対する競合性能を実現し,同レベルのアノテーションコストを用いることで,最先端のSSDA手法よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-23T10:55:39Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• GOCor: Bringing Globally Optimized Correspondence Volumes into Your Neural Network [176.3781969089004]
  特徴相関層は、画像ペア間の密接な対応を含むコンピュータビジョン問題において、重要なニューラルネットワークモジュールとして機能する。 我々は,特徴相関層の直接置換として機能する,完全に微分可能な密マッチングモジュール GOCor を提案する。 本手法は,幾何マッチング,光学フロー,密接なセマンティックマッチングのタスクにおいて,特徴相関層を著しく上回っている。
  論文  参考訳（メタデータ） (2020-09-16T17:33:01Z)
• RGB-D Salient Object Detection with Cross-Modality Modulation and Selection [126.4462739820643]
  本稿では, RGB-D Salient Object Detection (SOD) において, モジュール間相補性を段階的に統合し, 改良する有効な方法を提案する。 提案するネットワークは,1)RGB画像とそれに対応する深度マップからの補完情報を効果的に統合する方法,および2)より精度の高い特徴を適応的に選択する方法の2つの課題を主に解決する。
  論文  参考訳（メタデータ） (2020-07-14T14:22:50Z)

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。