論文の概要: Unified and Efficient Point-Line Local Features

• arxiv url: http://arxiv.org/abs/2608.19894v1
• Date: Thu, 20 Aug 2026 11:03:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.537009
• Title: Unified and Efficient Point-Line Local Features
• Title（参考訳）: 統一的で効率的な点線局所特徴
• Abstract要約: マルチビューコンピュータビジョンパイプラインは通常、正確なスパースキーポイントと堅牢なディスクリプタに依存している。 既存のポイントラインアプローチは、ポイントとラインを別々に検出し、ますます重いネットワークを使用し、リアルタイムのパフォーマンスを妨げるCPUバウンドに依存する。 単一軽量アーキテクチャにおいてキーポイント,行セグメント,特徴記述子を共同で抽出するUPAL(Unified Efficient Points and Lines)機能抽出器を導入する。 UPALは点数と線数の両方で最先端の性能と一致または超えるが、計算コストを大幅に削減し、例えば4倍のスピードアップと10倍のメモリを実現している。
• 参考スコア（独自算出の注目度）: 49.49543960319266
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-view computer vision pipelines typically rely on accurate sparse keypoints and robust descriptors. While incorporating line features has shown clear benefits for matching and pose estimation, existing point-line approaches remain inefficient: they detect points and lines separately, use increasingly heavy networks, and depend on CPU-bound heuristics that hinder real-time performance. We introduce a Unified Efficient Points and Lines (UPAL) feature extractor that jointly extracts keypoints, line segments, and feature descriptors within a single lightweight architecture. A shared backbone provides common representations that feed different branches for point and line features. Line segments are recovered through an accelerated post-processing stage, an enhanced and highly efficient variant of the LSD algorithm. UPAL matches or exceeds state-ofthe-art performance in both point and line applications while significantly reducing computational cost, achieving, for instance, a 4x speedup and 10x smaller memory footprint over the ALIKED + DeepLSD pipeline. Code is publicly available at https://github.com/francois141/upal.
• Abstract（参考訳）: マルチビューコンピュータビジョンパイプラインは通常、正確なスパースキーポイントと堅牢なディスクリプタに依存している。 ライン機能の導入は、マッチングとポーズ推定の明確なメリットを示しているが、既存のポイントラインアプローチは、ポイントとラインを別々に検出し、ますます重いネットワークを使用し、リアルタイムのパフォーマンスを妨げるCPUバウンドヒューリスティックに依存している。 単一軽量アーキテクチャにおいてキーポイント,行セグメント,特徴記述子を共同で抽出するUPAL(Unified Efficient Points and Lines)機能抽出器を導入する。 共有バックボーンは、ポイントとラインの特徴のために異なるブランチをフィードする共通の表現を提供する。 線形セグメントは、LSDアルゴリズムの強化された高効率な変種である高速化された後処理段階を通じて復元される。 UPALは点数と線数の両方で最先端の性能にマッチまたは超え、計算コストを大幅に削減し、例えば4倍のスピードアップと10倍のメモリフットプリントをALIKED+DeepLSDパイプライン上で達成する。 コードはhttps://github.com/francois141/upal.comで公開されている。

関連論文リスト

• Co-PLNet: A Collaborative Point-Line Network for Prompt-Guided Wireframe Parsing [5.175452394220525]
  既存の手法では、ラインとジャンクションを別々に予測し、それらをポストホックで調整し、ミスマッチとロバストネスを低下させる。 本稿では,2つのタスク間で空間的手がかりを交換するポイントライン協調フレームワークであるCo-PLNetを提案する。 Wireframeと YorkUrbanの実験では、精度と堅牢性が一貫した改善と、良好なリアルタイム効率を示している。
  論文  参考訳（メタデータ） (2026-01-26T08:16:02Z)
• Fast SAM2 with Text-Driven Token Pruning [52.8350457627401]
  Segment Anything Model 2 (SAM2) では、視覚計算モデルがプロンプト駆動のビデオオブジェクトセグメンテーションにおいて大幅に進歩している。 SAM2パイプラインは、イメージエンコーダが生成するすべての視覚トークンを、ターゲットオブジェクトとの関係にかかわらず、下流の時間的推論モジュールを通じて伝達する。 本稿では,時間的伝播に先立ってトークン密度を選択的に低減し,推論効率を向上させるためのテキスト誘導型トークンプルーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-24T18:59:05Z)
• LightGlueStick: a Fast and Robust Glue for Joint Point-Line Matching [70.96686341680648]
  LightGlueStickは、ポイントとラインセグメントのための軽量なマーカである。 LightGlueStickは、さまざまなベンチマークにまたがって新たな最先端技術を確立していることを示す。
  論文  参考訳（メタデータ） (2025-10-18T10:20:14Z)
• Representing 3D sparse map points and lines for camera relocalization [1.2974519529978974]
  軽量ニューラルネットワークが3Dポイントとラインの両方の特徴を表現するためにどのように学習できるかを示す。 テストにおいて,本手法は,最先端の学習手法に対する最も顕著な向上を図っている。
  論文  参考訳（メタデータ） (2024-02-28T03:07:05Z)
• Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
  特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。 特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。 早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
  論文  参考訳（メタデータ） (2023-06-20T03:00:22Z)
• 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)
• ELSD: Efficient Line Segment Detector and Descriptor [9.64386089593887]
  本稿では,ラインセグメントを同時に検出し,画像中のデクリプタを抽出する,ELSD(Efficient Line Segment Detector and Descriptor)を提案する。 ELSDはSLAMや画像マッチングなどの高レベルのタスクに不可欠なライン機能を提供します。 実験では,提案したELSDは,Wireframeデータセットと YorkUrbanデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-04-29T08:53:03Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• 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。