論文の概要: SA-Homo: Scale Adaptive Homography Estimation for Scale Variation Scenarios

• arxiv url: http://arxiv.org/abs/2606.30408v1
• Date: Mon, 29 Jun 2026 14:51:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.291046
• Title: SA-Homo: Scale Adaptive Homography Estimation for Scale Variation Scenarios
• Title（参考訳）: SA-Homo:スケール適応型ホログラフィーによるスケール変動シナリオの推定
• Abstract要約: SA-Homoは、新しいスケール適応型ホモグラフィー推定フレームワークである。 幅広いスケールの差分比で頑健なアライメントを実現する。 実験により、SA-Homoは8$times$スケールの不一致でも高い精度を維持していることが示された。
• 参考スコア（独自算出の注目度）: 20.644620102405856
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Homography estimation, as one of the fundamental problems in computer vision, remains challenged by scale variation scenarios where image pairs potentially exhibit significant scale discrepancies. Existing deep learning frameworks frequently suffer from a significant performance degradation in such cases, as they rely on limited displacement assumptions and local feature consistency that might not hold under large scale gaps. In this paper, we propose SA-Homo, a novel scale-adaptive homography estimation framework designed to achieve robust alignment across a wide range of scale discrepancy ratios. We adopt a hierarchical scale alignment strategy that transitions from the global perspective with a heavy module to a local perspective with a light module. Specifically, we introduce the Scale-aware Discrepancy Bridging Module (SDBM) for initial alignment, which utilizes a Multi-scale Linear Attention Cascade (MLAC) to capture long-range dependencies and mitigate feature inconsistencies, along with a global Cross-scale Similarity Matrix Block (CSMB) for scale robust correlation representation. Once the initial scale gap is bridged, a lightweight Iterative Homography Estimation Refinement Module (IHERM) progressively polishes the result using local correlations. To facilitate this research, we contribute the HMSA dataset, a high-resolution, multi-modal satellite benchmark specifically tailored for scale-variant challenges. Extensive experiments demonstrate that SA-Homo maintains high precision even under 8$\times$ scale discrepancies, outperforming state-of-the-art methods in both conventional scale-similar scenarios and challenging scale variation scenarios. Code and collected datasets are available at https://github.com/shangxuanx330/SA_Homo
• Abstract（参考訳）: ホログラフィー推定は、コンピュータビジョンの基本的な問題の一つであり、画像ペアが大きなスケールの相違を示す可能性のあるスケールの変動シナリオによって依然として課題が残されている。 既存のディープラーニングフレームワークは、大規模なギャップに収まらないような限られた変位の仮定や局所的な特徴の一貫性に依存するため、このような場合において大きなパフォーマンス劣化に悩まされることが多い。 本稿では,SA-Homoを提案する。SA-Homoは,大規模不一致比の広い範囲にわたるロバストなアライメントを実現するために設計された,新しいスケール適応型ホモグラフィ推定フレームワークである。 重モジュールでグローバルな視点から軽モジュールで局所的な視点に移行する階層的なスケールアライメント戦略を採用する。 具体的には,マルチスケールリニアアテンションカスケード(MLAC)を用いて長距離依存関係を捕捉し,機能不整合を緩和する,初期アライメントのためのSDBM(Scale-Aware Discrepancy Bridging Module)と,ロバストな相関表現のためのグローバルなクロススケール類似行列ブロック(CSMB)を紹介する。 初期スケールギャップがブリッジされると、軽量なIHERM(Iterative Homography Estimation Refinement Module)が局所相関を用いて徐々に洗練される。 本研究の促進を目的として,スケール変動問題に適した高解像度マルチモーダル衛星ベンチマークであるHMSAデータセットをコントリビュートする。 大規模な実験では、SA-Homoは8$\times$スケールの不一致の下でも高い精度を維持しており、従来のスケール類似シナリオと挑戦的なスケール変動シナリオの両方において最先端の手法より優れていることが示されている。 コードと収集されたデータセットはhttps://github.com/shangxuanx330/SA_Homoで入手できる。

関連論文リスト

• Divide-and-Conquer Inference for Large-Scale Visual Recognition with Multimodal Large Language Models [12.459927405623624]
  Divide-and-Conquer Inference (DCI)はMLLMを用いた視覚認識のための新しいテスト時間スケーリング戦略である。 DCIは、複雑なグローバルな分類タスクを、より単純で局所化されたサブプロブレムに分解し、探索空間を圧縮するために動的プルーニング機構を使用する。 モデルに依存しないプラグアンドプレイのパラダイムとして、DCIは大規模なシナリオでMLLMの推論精度をスケールするための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-05-24T01:07:05Z)
• WSD-MIL: Window Scale Decay Multiple Instance Learning for Whole Slide Image Classification [2.760935655675299]
  ウィンドウスケール崩壊MIL (WSD-MIL) は、様々なスケールの腫瘍領域をモデル化する能力を高めるために設計された。 WSD-MIL は CAMELYON16 と TCGA-BRCA のデータセット上での最先端のパフォーマンスを実現し、計算メモリの 62% を削減した。
  論文  参考訳（メタデータ） (2025-12-23T02:10:24Z)
• Scale-adaptive UAV Geo-localization via Height-aware Partition Learning [22.72128308133626]
  UAVのジオローカライゼーションは、ドローンが撮影した画像と衛星の視界との間に大きな違いがあるため、大きな課題に直面している。 既存のメソッドは通常、ビュー間で一貫したスケーリングファクタを仮定し、事前に定義されたパーティションアライメントに依存します。 本研究では、既知のドローンの飛行高度を利用して、スケール要因を予測し、特徴抽出を動的に調整するスケール適応型分割学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-16T08:13:05Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• RGM: A Robust Generalizable Matching Model [49.60975442871967]
  RGM(Robust Generalist Matching)と呼ばれる疎密マッチングのための深部モデルを提案する。 合成トレーニングサンプルと実世界のシナリオのギャップを狭めるために、我々は、疎対応基盤真理を持つ新しい大規模データセットを構築した。 さまざまな密集したスパースなデータセットを混ぜ合わせることができ、トレーニングの多様性を大幅に改善しています。
  論文  参考訳（メタデータ） (2023-10-18T07:30:08Z)
• Boosting Few-shot Fine-grained Recognition with Background Suppression and Foreground Alignment [53.401889855278704]
  FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。 本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。 複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-10-04T07:54:40Z)
• Coarse-to-Fine Embedded PatchMatch and Multi-Scale Dynamic Aggregation for Reference-based Super-Resolution [48.093500219958834]
  参照型スーパーリゾリューションのためのAMSA(Accelerated Multi-Scale Aggregation Network)を提案する。 提案したAMSAは,定量評価と定性評価の両面において,最先端の手法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-01-12T08:40:23Z)
• Scale-Net: Learning to Reduce Scale Differences for Large-Scale Invariant Image Matching [7.297352404640492]
  局所特徴抽出に先立って画像スケールの差を小さくするSDAIM(Scale-Difference-Aware Image matching method)を提案する。 スケール比を正確に推定するために,CVARM (Comvisibility-attention-reinforceed matching module) を提案し,その後,スケールネットと呼ばれる新しいニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2021-12-20T12:35:36Z)
• Crowd Counting via Hierarchical Scale Recalibration Network [61.09833400167511]
  本稿では,群集カウントの課題に取り組むために,階層型大規模校正ネットワーク(HSRNet)を提案する。 HSRNetは、リッチなコンテキスト依存をモデル化し、複数のスケール関連情報を再検討する。 提案手法は,様々なノイズを選択的に無視し,適切な群集スケールに自動的に焦点を合わせることができる。
  論文  参考訳（メタデータ） (2020-03-07T10:06:47Z)
• Improving Few-shot Learning by Spatially-aware Matching and CrossTransformer [116.46533207849619]
  数ショット学習シナリオにおけるスケールと位置ミスマッチの影響について検討する。 本稿では,複数のスケールや場所のマッチングを効果的に行うための,空間認識型マッチング手法を提案する。
  論文  参考訳（メタデータ） (2020-01-06T14:10:20Z)

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。