論文の概要: CLAD: Keypoint Matching Using Global Line Correspondences

• arxiv url: http://arxiv.org/abs/2610.21409v1
• Date: Thu, 15 Oct 2026 07:26:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.250339
• Title: CLAD: Keypoint Matching Using Global Line Correspondences
• Title（参考訳）: CLAD:グローバルライン対応を用いたキーポイントマッチング
• Abstract要約: 局所的なキーポイント記述子は、繰り返しパターンや弱いテクスチャを持つシーンでは信頼性が低い。 線対応からグローバルな幾何学的文脈を利用するキーポイントマッチング手法を提案する。 CLADは、従来の局所記述子で得られたものを補完する幾何学的に一貫したマッチングを提供する。
• 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: Traditional keypoint descriptors, such as SIFT (Scale-Invariant Feature Transform) and ORB (Oriented FAST and Rotated BRIEF), are computed from local image patches. They may be unreliable in scenes with repetitive patterns or weak textures, where patches at different locations can look similar. We propose the Contextual Line-Assisted Descriptor (CLAD), a keypoint matching method that addresses this problem by using global geometric context from line correspondences. CLAD represents each keypoint with a vector whose elements indicate its proximity to matched lines. It can therefore use the keypoint's spatial relationships to the lines in the scene. We use HOME (Hough-space One-dimensional Matching of Extrema) to detect both clear and weak linear structures and to establish enough line-to-keypoint associations to represent this context. Evaluations on the TUM RGB-D SLAM dataset and outdoor video sequences show that CLAD provides geometrically consistent matches that complement those obtained with traditional local descriptors. In repetitive scenes, where local descriptors may not distinguish similar patches, CLAD uses global structure to improve matching reliability. The method is computationally lightweight and practical to implement.
• Abstract（参考訳）: SIFT(Scale-Invariant Feature Transform)やORB(Oriented FASTとRotated BRIEF)といった従来のキーポイント記述子は、ローカルイメージパッチから計算される。 繰り返しパターンや弱いテクスチャを持つ場面では信頼できないかもしれない。 本稿では,この問題に対処するキーポイントマッチング手法である CLAD (Contextual Line-Assisted Descriptor) を提案する。 CLADは各キーポイントを、その要素が一致した線に近接していることを示すベクトルで表現する。 したがって、シーン内の行に対するキーポイントの空間的関係を利用することができる。 我々は、HOME (Hough-space One-dimensional Matching of Extrema) を用いて、鮮明な線形構造と弱い線形構造の両方を検出し、この文脈を表現するのに十分な直線対キーポイントのアソシエーションを確立する。 TUM RGB-D SLAMデータセットと屋外ビデオシーケンスの評価は、CLADが従来のローカルディスクリプタを補完する幾何学的に一貫したマッチングを提供することを示している。 ローカルディスクリプタが類似したパッチを区別できない反復的なシーンでは、CLADはグローバルな構造を使って信頼性を向上する。 この方法は計算的に軽量で実践的です。

関連論文リスト

• One Patch Is Enough: Reinforcement-Optimized Visual Token Grounding for MLLM-Based Scene Text Spotting [51.09550363815034]
  シーンテキストスポッティングはテキスト認識と空間的局所化の間に高精度なアライメントを必要とする。 本研究では,個々のテキストインスタンスを単一のアンカー視覚トークンでルーティングする視覚中心のフレームワークであるSingle-Patch Text Spotting (SPaTS)を提案する。 SPaTS はフロンティアのクローズドソースMLLM と OCR MLLM の両方で一貫した性能を示し,その性能を著しく向上させる。
  論文  参考訳（メタデータ） (2026-07-30T09:17:48Z)
• Robust Scene Coordinate Regression via Geometrically-Consistent Global Descriptors [52.57327385675752]
  幾何学的構造と視覚的類似性の両方に整合したグローバルな記述子を学習するアグリゲータモジュールを提案する。 これにより、信頼できないオーバーラップスコアによる誤関連が修正される。 挑戦的なベンチマークの実験では、大規模環境ではかなりのローカライゼーションが得られた。
  論文  参考訳（メタデータ） (2025-12-19T04:24:03Z)
• StrokeNet: Unveiling How to Learn Fine-Grained Interactions in Online Handwritten Stroke Classification [9.447865895922982]
  ストローク分類は、書き方、あいまいな内容、動的書き方の違いにより、依然として困難である。 我々の観察では、ストローク相互作用は典型的に局所化されていることが示されており、既存のディープラーニング手法ではそのようなきめ細かい関係を捉えるのが困難である。 基準点を選択して逐次順序でストロークをきめ細かな方法で表現することにより、この問題を効果的に解決することができる。
  論文  参考訳（メタデータ） (2025-12-06T04:41:08Z)
• AdaContour: Adaptive Contour Descriptor with Hierarchical Representation [52.381359663689004]
  既存の角度ベースの輪郭記述子は、星以外の形状の損失表現に悩まされる。 AdaConは、他のディスクリプタよりも正確に形を表現できる。
  論文  参考訳（メタデータ） (2024-04-12T07:30:24Z)
• Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
  局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。 ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。 これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
  論文  参考訳（メタデータ） (2024-02-27T10:10:12Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• SSC: Semantic Scan Context for Large-Scale Place Recognition [13.228580954956342]
  我々は、記述子の表現能力を向上させるために、高レベルの機能、すなわち意味論の利用について検討する。 本稿では,シーンをより効果的に表現するための意味情報を探る,新しいグローバルな記述子Semantic Scan Contextを提案する。 我々の手法は最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2021-07-01T11:51:19Z)
• 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)

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。