Fugu-MT 論文翻訳(概要): Hough-SIFT: Robust Image Registration for Linear Structures via Hough Space

論文の概要: Hough-SIFT: Robust Image Registration for Linear Structures via Hough Space

arxiv url: http://arxiv.org/abs/2607.14598v1
Date: Thu, 16 Jul 2026 05:58:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-17 17:01:33.006445
Title: Hough-SIFT: Robust Image Registration for Linear Structures via Hough Space
Title（参考訳）: Hough-SIFT:ハフ空間による線形構造のロバスト画像登録
Authors: Masaki Satoh,
Abstract要約: Hough-SIFTは、Hough空間でSIFT記述子マッチングを実行する頑健な登録方法である。 Hough-SIFTは、SIFTが頻繁に失敗する線形シーンでは堅牢であり、通常のシーンではSIFTに匹敵する精度を維持している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image registration is essential in applications such as electronic image stabilization. Scale-Invariant Feature Transform (SIFT), a widely used local keypoint detector and descriptor, typically provides accurate registration; however, it often fails in scenes with strong linear structures (e.g., shutters), where local features become ambiguous. We propose Hough-SIFT, a robust registration method that performs SIFT descriptor matching in Hough space. In this domain, linear structures form distinctive peaks that restore descriptor discriminability. Experiments demonstrate that Hough-SIFT is robust in linear scenes where SIFT frequently fails, while maintaining accuracy comparable to SIFT in normal scenes.
Abstract（参考訳）: 画像登録は、電子画像安定化などの応用において不可欠である。広く使われている局所キーポイント検出器およびディスクリプタであるスケール不変特徴変換(SIFT)は、一般的に正確な登録を提供するが、局所的な特徴が曖昧になるような強い線形構造(例えばシャッター)のシーンでは失敗することが多い。本稿では,Hough空間におけるSIFT記述子マッチングを行う頑健な登録手法であるHough-SIFTを提案する。この領域では、線形構造は記述子識別性を復元する特徴的なピークを形成する。 Hough-SIFTは、SIFTが頻繁に失敗する線形シーンでは堅牢であり、通常のシーンではSIFTに匹敵する精度を維持している。

関連論文リスト

Frequency-Enhanced Dual-Subspace Networks for Few-Shot Fine-Grained Image Classification [6.738210148449625]
微粒化の少ない画像分類は,注釈付きサンプルの限られた数だけを用いて,視覚的類似度の高いサブカテゴリを認識することを目的としている。既存のメトリック学習ベースの手法は、通常、空間的領域の特徴のみに依存する。本稿では、周波数拡張デュアルサブスペースネットワーク(FEDSNet)を提案する。
論文参考訳（メタデータ） (2026-04-16T12:54:29Z)
CRFT: Consistent-Recurrent Feature Flow Transformer for Cross-Modal Image Registration [6.361810913107242]
Consistent-Recurrent Feature Flow Transformer (CRFT) は、堅牢なクロスモーダル画像登録のための特徴フロー学習に基づく統一された粗大なフレームワークである。 CRFTは、特徴アライメントとフロー推定を共同で行うトランスフォーマーベースのアーキテクチャにおいて、モダリティに依存しない特徴フロー表現を学習する。
論文参考訳（メタデータ） (2026-04-07T10:40:27Z)
Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文参考訳（メタデータ） (2025-11-11T08:40:28Z)
Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2025-05-25T12:23:10Z)
Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
論文参考訳（メタデータ） (2025-03-11T11:13:10Z)
Local-peak scale-invariant feature transform for fast and random image stitching [9.834315543204069]
画像縫合は空間分解能の高い広い視野を構築することを目的としており、単一の露光では達成できない。本研究では,流体乱流のマルチスケール特徴に着想を得て,局所ピークスケール不変特徴変換 (LP-SIFT) と呼ばれる高速特徴点検出アルゴリズムを開発した。 9つの大きな画像(2600*1600ピクセル以上)は、事前の知識なしにランダムに配置され、158.94秒以内で縫合できる。
論文参考訳（メタデータ） (2024-05-14T13:19:43Z)
Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
論文参考訳（メタデータ） (2024-02-28T09:27:41Z)
IDLS: Inverse Depth Line based Visual-Inertial SLAM [9.38589798999922]
Inverse Depth Line SLAM (IDLS) を提案する。 IDLSは、複数の知覚的整合性データセットで広く評価されている。
論文参考訳（メタデータ） (2023-04-23T20:53:05Z)
GPU-accelerated SIFT-aided source identification of stabilized videos [63.084540168532065]
我々は、安定化フレームインバージョンフレームワークにおけるグラフィクス処理ユニット(GPU)の並列化機能を利用する。我々はSIFT機能を活用することを提案する。カメラのモーメントを推定し 1%の確率で時間セグメントを識別します実験により,提案手法の有効性を確認し,必要な計算時間を短縮し,情報源の同定精度を向上させる。
論文参考訳（メタデータ） (2022-07-29T07:01:31Z)
Iris Recognition Based on SIFT Features [63.07521951102555]
アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
論文参考訳（メタデータ） (2021-10-30T04:55:33Z)
Privacy Leakage of SIFT Features via Deep Generative Model based Image Reconstruction [26.48132134854669]
SIFT(Scale Invariant Feature Transform)の機能のプライバシリークを評価する。 SIFT特徴量から潜像を再構成するための新しい深部生成モデルを提案する。
論文参考訳（メタデータ） (2020-09-02T12:59:12Z)

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。