論文の概要: MatChA: Cross-Algorithm Matching with Feature Augmentation

• arxiv url: http://arxiv.org/abs/2506.22336v1
• Date: Fri, 27 Jun 2025 15:43:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.269614
• Title: MatChA: Cross-Algorithm Matching with Feature Augmentation
• Title（参考訳）: MatChA: 機能拡張によるクロスアルゴリズムマッチング
• Authors: Paula Carbó Cubero, Alberto Jaenal Gálvez, André Mateus, José Araújo, Patric Jensfelt,
• Abstract要約: 異なるデバイスが異なるスパース特徴抽出アルゴリズムを使用する場合、最先端の手法では視覚的ローカライゼーションの解決に失敗する。 本手法は,クロスフィーチャーシナリオにおける画像マッチングと視覚的位置決めを著しく改善することを示す。
• 参考スコア（独自算出の注目度）: 5.314522402001238
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State-of-the-art methods fail to solve visual localization in scenarios where different devices use different sparse feature extraction algorithms to obtain keypoints and their corresponding descriptors. Translating feature descriptors is enough to enable matching. However, performance is drastically reduced in cross-feature detector cases, because current solutions assume common keypoints. This means that the same detector has to be used, which is rarely the case in practice when different descriptors are used. The low repeatability of keypoints, in addition to non-discriminatory and non-distinctive descriptors, make the identification of true correspondences extremely challenging. We present the first method tackling this problem, which performs feature descriptor augmentation targeting cross-detector feature matching, and then feature translation to a latent space. We show that our method significantly improves image matching and visual localization in the cross-feature scenario and evaluate the proposed method on several benchmarks.
• Abstract（参考訳）: 最先端の手法では、異なるデバイスが異なるスパース特徴抽出アルゴリズムを使用してキーポイントとその対応する記述子を取得するシナリオにおいて、視覚的ローカライゼーションの解決に失敗する。 フィーチャーディスクリプタの翻訳は、マッチングを可能にするのに十分です。 しかし、現行の解が共通キーポイントを仮定しているため、クロスファンクション検出器では性能が大幅に低下する。 これは、同じ検出器を使用する必要があることを意味しており、実際には異なるディスクリプタを使用する場合はほとんどない。 キーポイントの低繰り返し性は、非識別的および非識別的記述子に加えて、真の対応の識別を極めて困難にしている。 本稿では,この問題に対処する最初の手法を提案する。これは,クロスデクタ特徴マッチングをターゲットとした特徴記述子拡張を行い,次に潜在空間への特徴翻訳を行う。 提案手法は,複数ベンチマークで画像のマッチングと視覚的位置推定を大幅に改善し,提案手法の有効性を検証した。

関連論文リスト

• Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
  LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。 より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。 提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
  論文  参考訳（メタデータ） (2023-11-19T09:41:10Z)
• Improving the matching of deformable objects by learning to detect keypoints [6.4587163310833855]
  本研究では,非剛性画像対応タスクにおける正しいマッチング数を増やすための新しい学習キーポイント検出手法を提案する。 我々はエンドツーエンドの畳み込みニューラルネットワーク(CNN)をトレーニングし、考慮された記述子により適したキーポイント位置を見つける。 実験により,本手法は検出手法と併用して多数の記述子の平均マッチング精度を向上させることを示した。 また,本手法を,現在利用可能な最も優れたキーポイント検出器と同等に動作する複雑な実世界のタスクオブジェクト検索に適用する。
  論文  参考訳（メタデータ） (2023-09-01T13:02:19Z)
• A Coarse-to-Fine Place Recognition Approach using Attention-guided Descriptors and Overlap Estimation [13.018093610656507]
  位置認識のための新しい粗大なアプローチを提案する。 粗い段階では、注意誘導ネットワークを用いて注意誘導記述子を生成する。 次に、素早い親和性に基づく候補選択プロセスを用いて、Top-Kの最も類似した候補を特定する。 細かな段階では、狭められた場所候補同士のペアの重複を推定し、最終一致を決定する。
  論文  参考訳（メタデータ） (2023-03-13T05:56:36Z)
• Semantics-Aware Dynamic Localization and Refinement for Referring Image Segmentation [102.25240608024063]
  画像の参照は、言語表現からのイメージセグメントを参照する。 そこで我々は,局所化中心からセグメンテーション言語へ移行するアルゴリズムを開発した。 比較すると,本手法はより汎用的で有効である。
  論文  参考訳（メタデータ） (2023-03-11T08:42:40Z)
• Automatic Vocabulary and Graph Verification for Accurate Loop Closure Detection [21.862978912891677]
  Bag-of-Words (BoW)は、機能と関連付け、ループを検出する視覚語彙を構築する。 本稿では,ノードの半径と特徴記述子のドリフトを比較することで,自然な収束基準を提案する。 本稿では,候補ループの検証のための新しいトポロジカルグラフ検証手法を提案する。
  論文  参考訳（メタデータ） (2021-07-30T13:19:33Z)
• Graph Sampling Based Deep Metric Learning for Generalizable Person Re-Identification [114.56752624945142]
  我々は、最も一般的なランダムサンプリング手法である有名なpkサンプリングは、深層メトリック学習にとって有益で効率的ではないと主張する。 大規模計量学習のためのグラフサンプリング(GS)と呼ばれる効率的なミニバッチサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-04T06:44:15Z)
• 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)
• 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)

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。