論文の概要: Geometry-Aligned Semantic Matching for Cross-Modal Planar Image Registration

• arxiv url: http://arxiv.org/abs/2610.03167v1
• Date: Fri, 02 Oct 2026 11:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.353202
• Title: Geometry-Aligned Semantic Matching for Cross-Modal Planar Image Registration
• Title（参考訳）: 断面平面画像登録のための幾何対応セマンティックマッチング
• Abstract要約: クロスモーダル画像マッチングは、平面登録のためのモダリティ間の安定かつ正確な幾何学的対応を確立する。 既存の意味表現は相互整合性を提供するが、意味的類似性は必ずしも幾何学的対応を暗示しない。 そこで我々は,まず幾何学的に一貫した意味表現を確立し,次に対応推定における支配的な役割を保ったCDPMを提案する。
• 参考スコア（独自算出の注目度）: 24.89607563228897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-modal image matching establishes stable and accurate geometric correspondences across modalities for planar registration. Existing semantic representations provide cross-modal consistency, but semantic similarity does not necessarily imply geometric correspondence. Meanwhile, fine-grained CNN features provide accurate local details but lack global cross-modal semantic guidance for stable refinement. To address these issues, we propose CDPM, which first establishes geometrically consistent semantic representations and then preserves their dominant role in correspondence estimation during fine-grained localization. Specifically, we progressively adapt DINOv3 using geometrically consistent cross-modal patch pairs, enabling feature similarity to better reflect true cross-modal spatial correspondences. We then construct a DINO-Centric Feature Pyramid, where multi-scale DINO representations maintain stable cross-modal correspondences, while a lightweight CNN branch provides auxiliary structural details for precise local refinement. Extensive experiments on three cross-modal datasets demonstrate the superior performance of CDPM. On VIS-IR, compared with the dense matcher RoMa, CDPM improves AUC@3/5/10/20 by 7.36, 13.40, 13.75, and 10.42 percentage points, respectively, and reduces mACE from 5.83 to 2.78 pixels. It also outperforms RoMa v2 across all metrics while requiring 45.6% fewer FLOPs. The online demo and dataset are available, and the code will be released on our project page at https://warren-wzw.github.io/CDPM/.
• Abstract（参考訳）: クロスモーダル画像マッチングは、平面登録のためのモダリティ間の安定かつ正確な幾何学的対応を確立する。 既存の意味表現は相互整合性を提供するが、意味的類似性は必ずしも幾何学的対応を暗示しない。 一方、粒度の細かいCNN機能は正確な局所的詳細を提供するが、安定した改善のためのグローバルな相互意味指導は欠如している。 これらの問題に対処するため、まず幾何学的に一貫した意味表現を確立し、次いで、微粒化時の対応推定において、その支配的な役割を保ったCDPMを提案する。 具体的には、幾何的に整合したクロスモーダルパッチペアを用いて、DINOv3を段階的に適応させ、真のクロスモーダル空間対応をよりよく反映できる特徴類似性を実現する。 次に、DINO-Centric Feature Pyramidを構築し、DINOのマルチスケール表現が安定なクロスモーダル対応を維持する一方、軽量CNNブランチは正確な局所改善のための補助的な構造的詳細を提供する。 3つのクロスモーダルデータセットに対する大規模な実験は、CDPMの優れた性能を示している。 VIS-IRでは、密度の高いRoMaと比較して、CDPMはAUC@3/5/10/20を7.36、13.40、13.75、10.42のパーセンテージで改善し、mACEを5.83から2.78ピクセルに削減する。 また、すべてのメトリクスでRoMa v2を上回り、FLOPは45.6%削減された。 オンラインデモとデータセットが利用可能であり、コードはプロジェクトページhttps://warren-wzw.github.io/CDPM/.com/で公開される。

関連論文リスト

• From Alignment to Fusion in 3D Vision-Language [30.65499823418563]
  統一された3次元視覚言語システムは、相補的な幾何学、スケール、外観を組み合わせなければならない。 既存の方法は、独立してポイントクラウド、ボクセルグリッド、マルチビューイメージを処理していることが多い。 本稿では,三重対コサインアライメントを適用し,セグメントレベルの対応性を確立するアライメント・テーマ・フューズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-23T14:52:14Z)
• Are Pretrained Image Matchers Good Enough for SAR-Optical Satellite Registration? [7.519268719195278]
  クロスモーダル光SAR登録はリモートセンシングによる災害応答のボトルネックとなる。 現代の画像マーカは、ほとんど自然画像ドメインでベンチマークされる。
  論文  参考訳（メタデータ） (2026-04-11T13:56:20Z)
• MV-RoMa: From Pairwise Matching into Multi-View Track Reconstruction [14.717756921141364]
  MV-RoMaは、ソース画像から複数の可視目標への密対応を推定する多視点密マッチングモデルである。 我々は、モデルが一貫したマルチビュー対応を、構造移動のための高品質トラックとして統合する後処理戦略を提案する(SfM)。 MV-RoMaは既存のスパース法や密マッチング法よりも信頼性が高く、かなり密集した3次元再構成を行う。
  論文  参考訳（メタデータ） (2026-03-29T06:50:21Z)
• SegMASt3R: Geometry Grounded Segment Matching [23.257530861472656]
  我々は3次元基礎モデルの空間的理解を活用して,広義のセグメントマッチングに取り組む。 本稿では,これら3次元基礎モデルの帰納バイアスを利用して,最大180度の視点変化回転で画像対間のセグメントをマッチングするアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-10-06T17:31:32Z)
• 3D Geometric Shape Assembly via Efficient Point Cloud Matching [59.241448711254485]
  Proxy Match Transform (PMT) は、部品の配向面間の信頼性の高いマッチングを可能にする、高次特徴変換層である。 PMT を基盤として,幾何学的組立作業のための新しいフレームワーク Proxy Match TransformeR (PMTR) を導入する。 我々は,Breaking Badの大規模3次元幾何形状集合ベンチマークデータセットを用いてPMTRの評価を行った。
  論文  参考訳（メタデータ） (2024-07-15T08:50:02Z)
• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• Differentiable Registration of Images and LiDAR Point Clouds with VoxelPoint-to-Pixel Matching [58.10418136917358]
  カメラからの2D画像とLiDARからの3Dポイントクラウドの間のクロスモダリティ登録は、コンピュータビジョンとロボットトレーニングにおいて重要な課題である。 ニューラルネットワークで学習した点パターンと画素パターンのマッチングによる2次元3次元対応の推定 我々は、異なる潜在画素空間を介して3次元特徴を表現するために、構造化されたモダリティマッチングソルバを学習する。
  論文  参考訳（メタデータ） (2023-12-07T05:46:10Z)
• BiCro: Noisy Correspondence Rectification for Multi-modality Data via Bi-directional Cross-modal Similarity Consistency [66.8685113725007]
  BiCroは、ノイズの多いデータペアのソフトラベルを推定して、その真の対応度を反映することを目的としている。 3つの一般的なクロスモーダルマッチングデータセットの実験により、BiCroは様々なマッチングモデルのノイズ・ロバスト性を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2023-03-22T09:33:50Z)
• RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
  単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。 その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T12:37:58Z)

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。