論文の概要: SAMatcher: Co-Visibility Modeling with Segment Anything for Robust Feature Matching

• arxiv url: http://arxiv.org/abs/2606.03406v1
• Date: Tue, 02 Jun 2026 09:47:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.917499
• Title: SAMatcher: Co-Visibility Modeling with Segment Anything for Robust Feature Matching
• Title（参考訳）: SAMatcher:ロバストな特徴マッチングのためのセグメンテーションによるコビジュアビリティモデリング
• Authors: Xu Pan, Qiyuan Ma, Mingyue Dong, He Chen, Wei Ji, Xianwei Zheng,
• Abstract要約: 共可視性モデリングによる対応推定を定式化する特徴マッチングフレームワークであるSAMatcherを提案する。 双方向の特徴交換とクロスビューセマンティックアライメントを可能にする対称なクロスビューインタラクション機構を導入している。 本結果より, 単分子分割のための基礎モデルを多視点対応推論に効果的に拡張できることが示唆された。
• 参考スコア（独自算出の注目度）: 25.84764820920445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable correspondence estimation is a fundamental problem in image processing, underpinning applications such as Structure from Motion, visual localization, and image registration. Existing learning-based methods have significantly improved local feature representations, yet most still operate at the pixel or patch level and lack explicit modeling of regions that are jointly visible across views. We propose SAMatcher, a feature matching framework that formulates correspondence estimation through co-visibility modeling. Instead of directly matching local features, SAMatcher first predicts co-visible region masks and bounding boxes as structured priors for correspondence estimation. Built upon the Segment Anything Model (SAM), it introduces a symmetric cross-view interaction mechanism that enables bidirectional feature exchange and cross-view semantic alignment. We further develop a unified supervision scheme that jointly optimizes mask prediction and box localization through mask learning, box regression, and mask-box consistency constraints. Extensive experiments on challenging benchmarks demonstrate substantial improvements over existing matching pipelines, particularly under large viewpoint and scale variations. Our results show that foundation models originally designed for monocular segmentation can be effectively extended to multi-view correspondence reasoning through explicit co-visibility modeling, offering a new perspective on structured representation learning for image matching. Code and project page: https://xupan.top/Projects/samatcher
• Abstract（参考訳）: 信頼性の高い対応推定は、画像処理における基本的な問題であり、動きからの構造化、視覚的ローカライゼーション、画像登録などの基礎となるアプリケーションである。 既存の学習ベースの手法では、局所的な特徴表現が大幅に改善されているが、ほとんどの場合、ピクセルやパッチレベルで動作し、ビュー間で共同で見える領域の明示的なモデリングが欠如している。 共可視性モデリングによる対応推定を定式化する特徴マッチングフレームワークであるSAMatcherを提案する。 SAMatcherは、局所的な特徴を直接マッチングする代わりに、まず共可視領域マスクとバウンディングボックスを、対応推定のための構造化前のものとして予測する。 Segment Anything Model (SAM) に基づいて構築されており、双方向の特徴交換と横断的なセマンティックアライメントを可能にする対称なクロスビューインタラクションメカニズムを導入している。 さらに,マスク学習,ボックス回帰,マスクボックス整合性制約を通じて,マスク予測とボックス局所化を協調的に最適化する統一的な管理手法を開発した。 挑戦的なベンチマークに関する大規模な実験は、既存のマッチングパイプライン、特に大きな視点とスケールのバリエーションにおいて、大幅に改善されている。 画像マッチングのための構造的表現学習の新たな視点を提供するために,本研究の結果から,モノクロセグメンテーション用に設計された基礎モデルを,明示的なコビジュアビリティ・モデリングにより,多視点対応推論に効果的に拡張できることが示唆された。 コードとプロジェクトページ:https://xupan.top/Projects/samatcher

関連論文リスト

• Learning to Perceive "Where": Spatial Pretext Tasks for Robust Self-Supervised Learning [17.753167530453997]
  空間認識型プレテキスト回帰タスクである空間予測を導入し、同じ画像から一対の非絡み合ったローカルビュー間の相対的な位置とスケールを予測する。 連続幾何学空間における部分対部分関係をモデル化することにより、SPは表現がきめ細かい空間依存を捉えることを奨励する。 実験では、画像認識、きめ細かな分類、セマンティックセグメンテーション、深さ推定、および物体認識におけるアウト・オブ・ディストリビューションの大幅な向上が示されている。
  論文  参考訳（メタデータ） (2026-05-11T04:15:34Z)
• Unify the Views: View-Consistent Prototype Learning for Few-Shot Segmentation [23.546777614096424]
  ショーショットセグメンテーション(FSS)は、限られた監督力を持つ新しいクラスに一般化する能力において大きな注目を集めている。 本稿では、クラス固有のプロトタイプを洗練するための構造的一貫性と識別をモデル化する統合フレームワークであるVINEを導入することにより、これらの課題に対処する。
  論文  参考訳（メタデータ） (2026-03-06T06:36:42Z)
• CSMCIR: CoT-Enhanced Symmetric Alignment with Memory Bank for Composed Image Retrieval [54.15776146365823]
  Composed Image Retrieval (CIR)では、ユーザーは参照画像と操作テキストの両方を使用してターゲットイメージを検索できる。 CSMCIRは3つの相乗的コンポーネントを通して効率的なクエリターゲットアライメントを実現する統一表現フレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T09:21:38Z)
• Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
  本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。 注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。 被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
  論文  参考訳（メタデータ） (2025-09-26T07:11:55Z)
• PanMatch: Unleashing the Potential of Large Vision Models for Unified Matching Models [80.65273820998875]
  頑健な対応マッチングのための汎用基盤モデルであるPanMatchを提案する。 我々の重要な洞察は、任意の2フレーム対応タスクが2次元変位推定フレームワーク内で処理可能であることである。 PanMatchは、偏差推定アルゴリズムを前例のない一般化能力で実現し、マルチタスク統合を実現する。
  論文  参考訳（メタデータ） (2025-07-11T08:18:52Z)
• Multi-Cue Adaptive Visual Token Pruning for Large Vision-Language Models [85.51753014478315]
  本稿では,新しいプラグ・アンド・プレイ・トレーニングフリープルーニング手法であるAdaptPruneを紹介する。 空間距離とトークン類似性を適応的NMSアプローチと組み合わせることで、従来の注意に基づくプルーニングに基づいている。 当社のアプローチはトークンの重要性を総合的に評価することを保証するとともに,プルーニング決定を大幅に改善する。
  論文  参考訳（メタデータ） (2025-03-11T03:58:17Z)
• Medical Image Registration Meets Vision Foundation Model: Prototype Learning and Contour Awareness [11.671950446844356]
  既存の変形可能な登録法は強度に基づく類似度測定のみに依存しており、明確な解剖学的知識が欠如している。 本稿では,プロトタイプ学習と輪郭認識を取り入れた新しいSAM支援登録フレームワークを提案する。 私たちのフレームワークは、既存のメソッドを複数のデータセットで大幅に上回っています。
  論文  参考訳（メタデータ） (2025-02-17T04:54:47Z)
• Towards Fine-grained Interactive Segmentation in Images and Videos [21.22536962888316]
  SAM2のバックボーン上に構築されたSAM2Refinerフレームワークを提案する。 このアーキテクチャによりSAM2は、画像とビデオの両方のきめ細かいセグメンテーションマスクを生成することができる。 さらに,マルチスケールのカスケード構造を用いてマスク特徴とエンコーダの階層的表現を融合させることによりマスクリファインメントモジュールを考案した。
  論文  参考訳（メタデータ） (2025-02-12T06:38:18Z)
• SketchYourSeg: Mask-Free Subjective Image Segmentation via Freehand Sketches [116.1810651297801]
  SketchYourSegは、主観的なイメージセグメンテーションのための強力なクエリモダリティとして、フリーハンドスケッチを確立している。 我々の評価は、様々なベンチマークで既存のアプローチよりも優れた性能を示している。
  論文  参考訳（メタデータ） (2025-01-27T13:07:51Z)
• Cross-Modal Bidirectional Interaction Model for Referring Remote Sensing Image Segmentation [50.433911327489554]
  リモートセンシング画像セグメンテーション(RRSIS)の目標は、参照式によって識別された対象オブジェクトの画素レベルマスクを生成することである。 上記の課題に対処するため、クロスモーダル双方向相互作用モデル(CroBIM)と呼ばれる新しいRRSISフレームワークが提案されている。 RRSISの研究をさらに推し進めるために、52,472個の画像言語ラベル三重項からなる新しい大規模ベンチマークデータセットRISBenchを構築した。
  論文  参考訳（メタデータ） (2024-10-11T08:28:04Z)
• GMMLoc: Structure Consistent Visual Localization with Gaussian Mixture Models [23.72910988500612]
  ガウス混合モデル(GMM)によりモデル化された先行マップにおけるカメラ追跡手法を提案する。 ポーズを最初にフロントエンドで推定すると、局所的な視覚観測とマップコンポーネントは効率的に関連付けられる。 計算オーバーヘッドの少ないセンチメートルレベルのローカライズ精度を実現する方法を示す。
  論文  参考訳（メタデータ） (2020-06-24T12:41:03Z)

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。