論文の概要: Beyond Spatio-Temporal Priors: A Generalizable Approach for Dense Correspondence Matching

• arxiv url: http://arxiv.org/abs/2610.12421v1
• Date: Thu, 08 Oct 2026 17:53:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.242417
• Title: Beyond Spatio-Temporal Priors: A Generalizable Approach for Dense Correspondence Matching
• Title（参考訳）: 時空間的先行性を超えて: 距離対応マッチングのための一般化可能なアプローチ
• Abstract要約: 生成的および意味的基盤表現とヘテロジニアス監視を組み合わせたフレームワークであるFreeMatchingを紹介する。 1つのFreeMatchingモデルは、挑戦的なIGGイメージペアの対応性を大幅に改善する。 我々は,その有効性を,人間の判断と相関するスコアを用いて,アイデンティティの保存を評価するための定量的指標として示す。
• 参考スコア（独自算出の注目度）: 30.77758284181788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dense correspondence matching has historically been bounded by simplifying spatio-temporal priors, such as smooth motion and rigid geometry. While effective for classical tasks, these assumptions break down in image editing and reference-guided generation (IEG), where transformations can preserve visual identity while breaking physical continuity. To establish identity-preserving correspondence across such transformations, we introduce FreeMatching, a generalizable framework combining generative and semantic foundation representations with heterogeneous supervision from classical datasets, tracked videos, and synthetic scenes. Teacher-guided iterative refinement further improves correspondence in IEG without dense correspondence annotations. Experimentally, a single FreeMatching model substantially improves correspondence quality on challenging IEG image pairs while retaining competitive performance on classical benchmarks. Furthermore, we demonstrate its utility as a quantitative metric for evaluating identity preservation, with scores that correlate with human judgment. The code is available at https://github.com/luping-liu/FreeMatching.
• Abstract（参考訳）: 密度対応マッチングは、スムーズな動きや剛性幾何学のような時空間の先行を単純化することによって歴史的に境界づけられてきた。 古典的なタスクでは有効であるが、これらの仮定は画像編集と参照誘導生成(IEG)において分解され、変換は物理的な連続性を破りながら視覚的アイデンティティを保持することができる。 このような変換にまたがるID保存対応を確立するために、生成的および意味的基盤表現と、古典的データセット、追跡ビデオ、合成シーンからの異種監視を組み合わせた一般化可能なフレームワークであるFreeMatchingを導入する。 教師が指導する反復改良は、高密度の対応アノテーションを使わずにIEGの対応をさらに改善する。 実験により、単一のFreeMatchingモデルは、古典的なベンチマーク上での競合性能を維持しながら、挑戦的なIGGイメージペアの対応性を大幅に向上する。 さらに,その有効性を,人間の判断と相関するスコアを用いて,アイデンティティの保存を評価するための定量的指標として示す。 コードはhttps://github.com/luping-liu/FreeMatching.comで入手できる。

関連論文リスト

• SemAnCorr: Semantic Anchored Correspondence for Zero-Shot Manipulation Skill Transfer [12.085313110793734]
  SemAnCorrは、密接な通信を確立するトレーニング不要のフレームワークである。 ベンチマーク評価の結果,SemAnCorrは90.8%のセマンティック精度を達成できた。 これらの改善は,実世界の操作性能に直接変換されることを示す。
  論文  参考訳（メタデータ） (2026-07-30T15:41:39Z)
• Spanning Tree Autoregressive Visual Generation [51.7635842702602]
  本稿では,Spanning Tree Autoregressive (STAR) モデリングについて述べる。
  論文  参考訳（メタデータ） (2025-11-21T09:45:17Z)
• Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
  本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。 注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。 被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
  論文  参考訳（メタデータ） (2025-09-26T07:11:55Z)
• Dense Semantic Matching with VGGT Prior [49.42199006453071]
  本稿では,VGGTの本質的な強みを,初期の特徴段階を再利用し,後続の特徴段階を微調整し,双方向対応のための意味的頭部を追加することによって維持するアプローチを提案する。 提案手法は, 従来のベースラインよりも優れた幾何認識, 整合性, および多様体保存を実現する。
  論文  参考訳（メタデータ） (2025-09-25T14:56:11Z)
• GMatch: A Lightweight, Geometry-Constrained Keypoint Matcher for Zero-Shot 6DoF Pose Estimation in Robotic Grasp Tasks [9.107487205419604]
  6DoFオブジェクトのポーズ推定はロボットグリップタスクの基本となる。 GMatchは軽量で、幾何学的に制約されたキーポイントマーカで、組み込みCPUのみのプラットフォーム上で効率的に動作する。
  論文  参考訳（メタデータ） (2025-05-22T02:39:52Z)
• Free Lunch for Gait Recognition: A Novel Relation Descriptor [39.01813894844141]
  テスト歩行と事前選択した歩行アンカーの関係をキャプチャする新しい$textbfRelation Descriptor$を提案する。 GREW, Gait3D, OU-M, CASIA-B, CCPGに対する本法の有効性を検討した。
  論文  参考訳（メタデータ） (2023-08-22T15:06:14Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• Warp Consistency for Unsupervised Learning of Dense Correspondences [116.56251250853488]
  密接な対応を学習する上で重要な課題は、実画像対に対する地道整合の欠如である。 密な対応回帰のための教師なし学習目標であるWarp Consistencyを提案する。 私たちのアプローチは、MegaDepth、RobotCar、TSSなど、いくつかの挑戦的なベンチマークに新しい最先端を設定します。
  論文  参考訳（メタデータ） (2021-04-07T17:58:22Z)
• Space-Time Correspondence as a Contrastive Random Walk [47.40711876423659]
  我々は,ビデオから構築した時空間グラフにおけるリンクの予測として対応をキャストした。 ペアの類似性がランダムウォークの遷移確率を定義する表現を学習する。 我々は、エッジドロップアウトと呼ばれる手法と、テスト時の自己教師付き適応が、オブジェクト中心の対応の転送をさらに改善することを示した。
  論文  参考訳（メタデータ） (2020-06-25T17:56:05Z)

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。