論文の概要: RIPE++: Reinforced Keypoint Learning from Positive Pairs Only

• arxiv url: http://arxiv.org/abs/2608.19693v1
• Date: Thu, 20 Aug 2026 06:37:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.477552
• Title: RIPE++: Reinforced Keypoint Learning from Positive Pairs Only
• Title（参考訳）: RIPE++: 肯定的なペアからのみ、強化されたキーポイント学習
• Abstract要約: 幾何学的コンピュータビジョンにおけるスパースキーポイント抽出とアンダーピンコアタスク 本稿では,一対の正の対から報酬とペナルティの両方を導出し,幾何学的整合性信号を完全に活用する報酬を提案する。 We show that the same RL objective can be extended to the matching stage by adapting LightGlue, up AUC@5 on MegaDepth1500 from 56.58 to 59.65。
• 参考スコア（独自算出の注目度）: 10.550765983612086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sparse keypoint extraction and matching underpin core tasks in geometric computer vision, including structure-from-motion, visual SLAM, augmented reality, and medical image registration. Learning robust local feature representations, however, typically requires accurate camera poses or depth supervision, which are often unavailable in real-world settings. Reinforcement learning (RL) has recently emerged as a promising alternative, requiring only the information if two images show the same scene or not. However, existing RL formulations such as RIPE rely on coarse binary rewards and carefully constructed negative training pairs, limiting training stability and descriptor discriminability. In this paper, we revisit RL-based keypoint learning and propose a reward that fully exploits the geometric consistency signal, deriving both reward and penalty from a single positive pair without contrasting against negatives. This richer signal provides sufficient supervisory contrast to learn discriminative detectors and descriptors from positive image pairs alone, enabling representation learning under extremely limited supervision. Furthermore, we show that the same RL objective can be extended to the matching stage by adapting LightGlue, raising AUC@5 on MegaDepth1500 from 56.58 to 59.65 and enabling weakly-supervised training of the full sparse matching pipeline from image pairs with partial visual overlap. We validate our approach on established benchmarks, demonstrating competitive results compared to fully-supervised methods. We further show that the method can be even trained on low texture medical video sequences, where camera poses are usually unavailable and standard SfM pipelines often fail. Code and data are available at https://github.com/fraunhoferhhi/RIPEpp .
• Abstract（参考訳）: 幾何学的コンピュータビジョンにおけるスパースキーポイント抽出とマッチングのコアタスクは、構造移動、視覚SLAM、拡張現実、医用画像登録などである。 しかし、ロバストなローカル特徴表現を学習するには、通常、正確なカメラポーズや深度監視が必要である。 強化学習(Reinforcement Learning, RL)は、2つの画像が同じシーンを示すかどうかの情報のみを必要とする、有望な代替手段として最近登場した。 しかし、RIPEのような既存のRLの定式化は粗い二進報酬に依存し、負の訓練ペアを慎重に構築し、訓練安定性と記述子識別性を制限する。 本稿では、RLに基づくキーポイント学習を再考し、幾何学的整合性信号を完全に活用し、負と対比することなく、報酬とペナルティを一つの正対から導出する報酬を提案する。 このリッチな信号は、正のイメージ対のみから識別的検出器や記述子を学ぶのに十分な監督コントラストを提供し、極めて限られた監督下で表現学習を可能にする。 さらに、同じRL目標をLightGlueに適応させ、MegaDepth1500にAUC@5を56.58から59.65に引き上げ、部分的な視覚的重なりを持つ画像対からフルスパースマッチングパイプラインの弱い教師付きトレーニングを可能にすることにより、マッチングステージまで拡張可能であることを示す。 提案手法を確立されたベンチマークで検証し,完全教師付き手法と比較して競争力のある結果を示す。 さらに,低テクスチャな医用ビデオシーケンスで,カメラのポーズが通常利用できない場合や,標準のSfMパイプラインが失敗する場合においても,この手法が訓練可能であることも示している。 コードとデータはhttps://github.com/fraunhoferhhi/RIPEpp で公開されている。

関連論文リスト

• Cross-Modal Consistency Learning for Sign Language Recognition [92.44927164283641]
  既存の事前学習方法は、コンパクトなポーズデータのみに焦点を当てている。 クロスモーダル一貫性学習フレームワーク(CCL-SLR)を提案する。 CCL-SLRはRGBから学習し、自己教師付き事前学習に基づいてモダリティをポーズする。
  論文  参考訳（メタデータ） (2025-03-16T12:34:07Z)
• Towards Better Alignment: Training Diffusion Models with Reinforcement Learning Against Sparse Rewards [52.90573877727541]
  拡散モデル微調整では強化学習(RL)が検討されている。 RLの有効性はスパース報酬の挑戦によって制限される。 $textB2text-DiffuRL$は既存の最適化アルゴリズムと互換性がある。
  論文  参考訳（メタデータ） (2025-03-14T09:45:19Z)
• Learning from Mistakes: Iterative Prompt Relabeling for Text-to-Image Diffusion Model Training [33.51524424536508]
  Iterative Prompt Relabeling (IPR) は、反復的な画像サンプリングを通じて画像をテキストにアライメントし、フィードバックでリテラブルを促す新しいアルゴリズムである。 我々はSDv2とSDXLについて徹底的な実験を行い、空間関係の指示に従う能力をテストする。
  論文  参考訳（メタデータ） (2023-12-23T11:10:43Z)
• Towards Generic Image Manipulation Detection with Weakly-Supervised Self-Consistency Learning [49.43362803584032]
  本稿では,弱い教師付き画像操作検出を提案する。 このような設定は、より多くのトレーニングイメージを活用することができ、新しい操作テクニックに迅速に適応する可能性がある。 マルチソース整合性(MSC)とパッチ整合性(IPC)の2つの一貫性特性が学習される。
  論文  参考訳（メタデータ） (2023-09-03T19:19:56Z)
• MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments [72.6405488990753]
  自己教師付き学習は、ビジョントランスフォーマーネットワークの欲求を軽減できる。 所望のプロパティを統一する単段および単段のMOCAを提案する。 我々は,様々な評価プロトコルにおいて,低照度設定と強力な実験結果に対して,最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2023-07-18T15:46:20Z)
• Light-weight probing of unsupervised representations for Reinforcement Learning [20.638410483549706]
  線形探索が教師なしRL表現の品質評価の代行的タスクであるかどうかを検討する。 本稿では,Atari100kベンチマークにおける下流RL性能と,探索タスクが強く相関していることを示す。 これにより、事前学習アルゴリズムの空間を探索し、有望な事前学習レシピを特定するためのより効率的な方法が提供される。
  論文  参考訳（メタデータ） (2022-08-25T21:08:01Z)
• Decoupling Representation Learning from Reinforcement Learning [89.82834016009461]
  Augmented Temporal Contrast (ATC) と呼ばれる教師なし学習タスクを導入する。 ATCは畳み込みエンコーダを訓練し、短い時間差で分離された観測ペアを関連付ける。 オンラインRL実験では,ATCマッチを用いたエンコーダのトレーニングや,エンド・ツー・エンドのRLよりも優れていた。
  論文  参考訳（メタデータ） (2020-09-14T19:11:13Z)
• Un-Mix: Rethinking Image Mixtures for Unsupervised Visual Representation Learning [108.999497144296]
  近年の先進的な教師なし学習手法では,同じ画像から2つの「ビュー」を学習表現として比較するために,サイムズ様の枠組みを用いている。 この研究は、教師なし学習においてラベル空間上の距離の概念を巻き込み、正対と負対のソフトな類似度をモデルに認識させることを目的としている。 その概念的単純さにもかかわらず、この解 -- 教師なし画像混合(Un-Mix)により、変換された入力と対応する新しいラベル空間からより微妙でより堅牢で一般化された表現を学習できることを実証的に示す。
  論文  参考訳（メタデータ） (2020-03-11T17:59:04Z)

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。