論文の概要: EpiMask: Leveraging Epipolar Distance Based Masks in Cross-Attention for Satellite Image Matching

• arxiv url: http://arxiv.org/abs/2603.21463v1
• Date: Mon, 23 Mar 2026 00:48:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.431026
• Title: EpiMask: Leveraging Epipolar Distance Based Masks in Cross-Attention for Satellite Image Matching
• Title（参考訳）: EpiMask:衛星画像マッチングのためのクロスアテンションにおけるエピポーラ距離ベースのマスクの活用
• Authors: Rahul Deshmukh, Aditya Chauhan, Avinash Kak,
• Abstract要約: ディープラーニングに基づく画像マッチングネットワークは、視点や照度の大きなバリエーションを扱うことができる。 衛星画像のための半密度画像マッチングネットワークであるEpiMaskについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The deep-learning based image matching networks can now handle significantly larger variations in viewpoints and illuminations while providing matched pairs of pixels with sub-pixel precision. These networks have been trained with ground-based image datasets and, implicitly, their performance is optimized for the pinhole camera geometry. Consequently, you get suboptimal performance when such networks are used to match satellite images since those images are synthesized as a moving satellite camera records one line at a time of the points on the ground. In this paper, we present EpiMask, a semi-dense image matching network for satellite images that (1) Incorporates patch-wise affine approximations to the camera modeling geometry; (2) Uses an epipolar distance-based attention mask to restrict cross-attention to geometrically plausible regions; and (3) That fine-tunes a foundational pretrained image encoder for robust feature extraction. Experiments on the SatDepth dataset demonstrate up to 30% improvement in matching accuracy compared to re-trained ground-based models.
• Abstract（参考訳）: ディープラーニングベースの画像マッチングネットワークは、サブピクセル精度で一致したピクセル対を提供しながら、視点や照度の大きなバリエーションを処理できるようになった。 これらのネットワークは地上画像データセットで訓練されており、暗黙的にその性能はピンホールカメラの幾何学に最適化されている。 その結果、移動衛星カメラとして合成され、地上の地点に1本の線が記録されるので、衛星画像のマッチングにそのようなネットワークを使用する場合、最適な性能が得られる。 本稿では,(1)カメラモデリング幾何学にパッチワイドアフィン近似を組み込んだ衛星画像の半密度画像マッチングネットワークであるEpiMaskについて述べる。 SatDepthデータセットの実験では、再訓練された地上モデルと比較して、マッチング精度が最大30%向上した。

関連論文リスト

• SatDepth: A Novel Dataset for Satellite Image Matching [0.0]
  SatDepth'は,衛星画像のための画像マッチングフレームワークをトレーニングするために,高密度な地上真実対応を提供する新しいデータセットである。 我々は、我々のデータセットを使用して、既存の4つの画像マッチングフレームワークをベンチマークし、我々のデータセットでトレーニングされたモデルが、他のデータセットでトレーニングされたモデルよりも40%高い(最大40%の精度で)ことを確認するアブレーション調査を実施した。
  論文  参考訳（メタデータ） (2025-03-17T00:14:13Z)
• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and Quasi-Planar Segmentation [53.83313235792596]
  本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。 2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。 本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
  論文  参考訳（メタデータ） (2023-06-28T22:36:44Z)
• SliceMatch: Geometry-guided Aggregation for Cross-View Pose Estimation [7.751856268560216]
  SliceMatchは、地上と空中の特徴抽出器、特徴集約器、ポーズ予測器で構成されている。 本研究では,地上および空中の特徴抽出器,特徴集約器,ポーズ予測器からなるSliceMatchを提案する。
  論文  参考訳（メタデータ） (2022-11-26T20:06:20Z)
• PS-Transformer: Learning Sparse Photometric Stereo Network using Self-Attention Mechanism [4.822598110892846]
  線形プロジェクションや最大プーリングといった事前定義された操作に基づいて、異なる照明下での深いキャリブレーションされた光度ステレオネットワークの観測を集約する。 この問題に対処するために,PS-Transformer という,複雑な画像間相互作用を適切に捉えるために,学習可能な自己認識機構を活用する,細かなキャリブレーションを施した光度ステレオネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-21T11:58:25Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Fast Single-shot Ship Instance Segmentation Based on Polar Template Mask in Remote Sensing Images [7.45725819658858]
  本稿では,概念的にシンプルで簡単な単一ショット畳み込みニューラルネットワーク構造を提案する。 SSS-Netと呼ばれる本手法は,対象物の中心の位置に基づいて対象物を検出する。 Airbus Ship Detection ChallengeデータセットとISAIDshipsデータセットの両方の実験によると、SSS-Netは、船のインスタンスセグメンテーションの精度と速度において、強力な競争力を持っている。
  論文  参考訳（メタデータ） (2020-08-28T02:38:04Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)

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。