論文の概要: CasP: Improving Semi-Dense Feature Matching Pipeline Leveraging Cascaded Correspondence Priors for Guidance

• arxiv url: http://arxiv.org/abs/2507.17312v1
• Date: Wed, 23 Jul 2025 08:29:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.918253
• Title: CasP: Improving Semi-Dense Feature Matching Pipeline Leveraging Cascaded Correspondence Priors for Guidance
• Title（参考訳）: CasP: 誘導のためのカスケード対応を取り入れた半深度特徴マッチングパイプラインの改善
• Authors: Peiqi Chen, Lei Yu, Yi Wan, Yingying Pei, Xinyi Liu, Yongxiang Yao, Yingying Zhang, Lixiang Ru, Liheng Zhong, Jingdong Chen, Ming Yang, Yongjun Zhang,
• Abstract要約: そこで我々は,CasPという新しいパイプラインを提案する。 第2段階では、検索範囲を1対1の先行領域に制限することにより、1対1のマッチングを決定する。 このパイプラインは、低レベルの特徴抽出の計算コストを低減するために、高レベルの特徴を取り入れることの恩恵を受ける。
• 参考スコア（独自算出の注目度）: 38.25767390254383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-dense feature matching methods have shown strong performance in challenging scenarios. However, the existing pipeline relies on a global search across the entire feature map to establish coarse matches, limiting further improvements in accuracy and efficiency. Motivated by this limitation, we propose a novel pipeline, CasP, which leverages cascaded correspondence priors for guidance. Specifically, the matching stage is decomposed into two progressive phases, bridged by a region-based selective cross-attention mechanism designed to enhance feature discriminability. In the second phase, one-to-one matches are determined by restricting the search range to the one-to-many prior areas identified in the first phase. Additionally, this pipeline benefits from incorporating high-level features, which helps reduce the computational costs of low-level feature extraction. The acceleration gains of CasP increase with higher resolution, and our lite model achieves a speedup of $\sim2.2\times$ at a resolution of 1152 compared to the most efficient method, ELoFTR. Furthermore, extensive experiments demonstrate its superiority in geometric estimation, particularly with impressive cross-domain generalization. These advantages highlight its potential for latency-sensitive and high-robustness applications, such as SLAM and UAV systems. Code is available at https://github.com/pq-chen/CasP.
• Abstract（参考訳）: セミセンスな特徴マッチング手法は、挑戦的なシナリオで強いパフォーマンスを示している。 しかし、既存のパイプラインは、粗いマッチングを確立するために、機能マップ全体のグローバル検索に依存しており、精度と効率のさらなる改善が制限されている。 この制限を動機として,カスケード対応を先取りした新しいパイプラインCasPを提案する。 具体的には、マッチング段階を2つの進行段階に分解し、特徴識別性を高めるために、領域ベースの選択的クロスアテンション機構でブリッジする。 第2のフェーズでは、第1のフェーズで特定された1対1の先行領域に対して探索範囲を制限することにより、1対1のマッチを決定する。 さらに、このパイプラインは、低レベルの特徴抽出の計算コストを低減するために、高レベルの特徴を取り入れることの恩恵を受ける。 高分解能でCasPの加速ゲインが増加し、最も効率的なELoFTRに比べて1152の分解能で$\sim2.2\times$の高速化が達成される。 さらには、幾何学的推定において、特に印象的なクロスドメイン一般化において、その優位性を示す広範な実験がある。 これらのアドバンテージは、SLAMやUAVシステムなど、レイテンシに敏感で高ロバストなアプリケーションの可能性を強調している。 コードはhttps://github.com/pq-chen/CasP.comで入手できる。

関連論文リスト

• EPANet: Efficient Path Aggregation Network for Underwater Fish Detection [6.6069949373696994]
  水中魚類検出(UFD)のための効率的な経路集約ネットワーク(EPANet)を提案する。 EPANetは2つの重要なコンポーネントで構成されている: 効率的な経路集約機能ピラミッドネットワーク(EPA-FPN)と、マルチスケールの多様な分割ショートパスボトルネック(MS-DDSPボトルネック)である。 ベンチマークUFDデータセットの実験では、EPANetは検出精度と推論速度の点で最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2025-08-01T11:09:13Z)
• EDM: Efficient Deep Feature Matching [8.107498154867178]
  本稿では,効率的なDeep機能マッチングネットワーク,EDMを提案する。 まず、より少ない次元のより深いCNNを採用し、マルチレベルの特徴を抽出する。 次に,高レベルの深い特徴に対して特徴変換を行う相関注入モジュールを提案する。 改良段階において、軽量な双方向軸ベース回帰ヘッドは、潜在特徴からサブピクセルレベルの対応を直接予測するように設計されている。
  論文  参考訳（メタデータ） (2025-03-07T03:47:30Z)
• Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
  我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。 埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。 本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-03T15:45:15Z)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• Salience DETR: Enhancing Detection Transformer with Hierarchical Salience Filtering Refinement [19.277560848076984]
  2段階の選択戦略は、選択したクエリとオブジェクトのミスマッチによるスケールバイアスと冗長性をもたらす。 本稿では,フィルタされた識別クエリのみにトランスフォーマーを符号化する階層型サリエンスフィルタリング精細化を提案する。 提案されたSalience DETRは、課題固有の3つのデータセットに対して、+4.0% AP、+0.2% AP、+4.4% APを大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-24T13:01:57Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
  本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
  論文  参考訳（メタデータ） (2021-10-21T06:26:31Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)

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。