論文の概要: WovenAnchor Matcher: Specialized Intra- and Inter-Image Context Modeling for Feature Matching

• arxiv url: http://arxiv.org/abs/2610.30799v2
• Date: Wed, 28 Oct 2026 03:05:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.288234
• Title: WovenAnchor Matcher: Specialized Intra- and Inter-Image Context Modeling for Feature Matching
• Title（参考訳）: WovenAnchor Matcher:特徴マッチングのための画像内および画像間コンテキストモデリング
• Abstract要約: WovenAnchor Matcher (WAM) はロール特殊化コンテキストアグリゲーションに基づくセミセンスマッチングフレームワークである。 WAMは水平面-垂直状態空間の伝播を通じて画像内アグリゲーションを行う。 AnchorCrossAttentionは、クロスアテンションを使用して画像間アグリゲーションを行い、可視な対応する領域からコンテキストを収集する。
• 参考スコア（独自算出の注目度）: 24.150885118731207
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semi-dense local feature matching commonly aggregates contextual information before coarse-to-fine correspondence estimation. However, intra-image and inter-image aggregation serve different roles: the former should propagate spatial evidence within each image while retaining structured two-dimensional dependencies, whereas the latter should gather information from plausible corresponding regions while limiting noise from unrelated locations. We propose WovenAnchor Matcher (WAM), a semi-dense matching framework based on role-specialized context aggregation. WAM introduces two complementary operators. WovenMamba performs intra-image aggregation through horizontal-then-vertical state-space propagation, allowing vertical updates to operate on horizontally contextualized features and thereby encouraging a structured two-dimensional receptive-field bias. AnchorCrossAttention performs inter-image aggregation by using cross-attention to gather context from plausible corresponding regions across the image pair. It performs this exchange over local representative anchors that aggregate feature evidence within each window. On MegaDepth, WAM achieves 66.1 pose AUC@5$^\circ$, improving on the JamMa baseline by 2.0 AUC points under the same evaluation setup. Ablations show that removing or replacing either specialized component reduces accuracy, providing evidence that intra-image propagation and inter-image retrieval benefit from role-specific aggregation designs. Code and pretrained weights are available at https://github.com/mmaiLab/WovenAnchorMatcher.
• Abstract（参考訳）: 半密度の局所特徴マッチングは、粗大な対応推定の前に一般的にコンテキスト情報を集約する。 しかし、画像内および画像間アグリゲーションは異なる役割を担っている: 前者は、構造化された2次元依存を維持しながら、各画像内の空間的エビデンスを伝播し、後者は、無関係な場所からのノイズを制限しながら、もっともらしい対応する領域から情報を集めるべきである。 本稿では,役割特化コンテキストアグリゲーションに基づくセミセンスマッチングフレームワークであるWovenAnchor Matcher (WAM)を提案する。 WAMは2つの補完演算子を導入している。 WovenMambaは、水平面-垂直状態空間の伝播を通じて画像内凝集を行い、垂直更新を水平に文脈化された特徴で動作させることで、構造化された2次元受容野バイアスを促進する。 AnchorCrossAttentionは、クロスアテンションを使用して画像対にわたる可視対応領域からコンテキストを収集する。 この交換は、各ウィンドウ内の特徴証拠を集約するローカル代表アンカーに対して行われる。 MegaDepthでは、WAMが66.1のAUC@5$^\circ$を獲得し、同じ評価設定の下で2.0のAUCポイントでJamMaベースラインを改善する。 アブレーションは、特殊成分の除去または置換が精度を低下させ、画像内伝播と画像間検索が役割特異的アグリゲーション設計から恩恵を受けることを示す。 コードとトレーニング済みのウェイトはhttps://github.com/mmaiLab/WovenAnchorMatcher.comで入手できる。

関連論文リスト

• CorrCLIPv2: Harnessing Unlabeled Images for Open-Vocabulary Semantic Segmentation [50.18164168267435]
  Open-vocabulary semantic segmentationは、固定されたカテゴリに制限されることなくピクセルを分類することを目的としている。 Contrastive Language-Image Pre-Training (CLIP) はオープン語彙認識の著しい可能性を示す。 この研究は、CorrCLIPv2という名前の、トレーニング不要なオブジェクト中心の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-17T15:53:40Z)
• Bridging Modalities and Tasks: A Unified Hierarchical ViT for SAR-to-Optical Translation and Semantic Segmentation [6.274164868115626]
  合成開口レーダ(SAR)画像は、全天候、昼夜の観測能力を有する。 SAR-to-optical (S2O)変換のための生成モデルは視覚的解釈性を改善することができるが、既存の手法は意味構造に関する制約を無視することが多い。 我々は,S2O画像の翻訳とセマンティックセグメンテーションを協調的に最適化する,BMT (Bridging Modalities and Tasks) と呼ばれる統合協調型デュアルタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-04T04:50:19Z)
• H-Sets: Hessian-Guided Discovery of Set-Level Feature Interactions in Image Classifiers [2.7415651415305597]
  H-Setsは画像分類器における高次特徴相互作用の発見と寄与のための新しいフレームワークである。 我々は、各セットに、画素空間パスに沿った方向勾配を統合する統合方向勾配のセットレベル拡張であるIDG-Visを属性とする。 VGG、ResNet、DenseNet、MobileNetの各モデルに対するImageNetおよびCUBデータセットの評価は、H-Setsがより解釈可能で忠実な唾液マップを生成することを示している。
  論文  参考訳（メタデータ） (2026-04-23T20:03:17Z)
• AgMTR: Agent Mining Transformer for Few-shot Segmentation in Remote Sensing [12.91626624625134]
  Few-shot (FSS) は、関心のあるオブジェクトを少数のラベル付きサンプル(つまりサポートイメージ)でクエリイメージに分割することを目的としている。 以前のスキームでは、サポートクエリのピクセルペア間の類似性を利用して、ピクセルレベルのセマンティックな相関を構築していた。 極端にクラス内変異や乱雑な背景を持つリモートセンシングシナリオでは、そのようなピクセルレベルの相関が大きなミスマッチを引き起こす可能性がある。 本稿では,エージェントレベルの意味的相関を構築するために,一組の局所認識エージェントを適応的にマイニングする新しいエージェントマイニングトランス (AgMTR) を提案する。
  論文  参考訳（メタデータ） (2024-09-26T01:12:01Z)
• Asymmetric Cross-Scale Alignment for Text-Based Person Search [15.618984100653348]
  テキストに基づく人物探索 (TBPS) は知的監視において重要な意味を持つ歩行者画像の検索を目的としている。 このタスクを実装するには、画像ドメインとテキストドメインの両方からマルチスケールの機能を抽出し、その後、クロスモーダルアライメントを実行する必要がある。 マルチスケール表現を抽出し、非対称なクロススケールアライメント(ACSA)を行い、2つのモードを正確に整列するトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-26T08:34:35Z)
• Guide Local Feature Matching by Overlap Estimation [9.387323456222823]
  OETRというTRansformerを用いた画像ペア上でのオーバーラップ推定手法を提案する。 OETRは、特徴相関の2段階のプロセスで重なり推定を行い、次いで重なり回帰を行う。 実験の結果,OETRは局所的特徴マッチング性能を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2022-02-18T07:11:36Z)
• Spatial and Semantic Consistency Regularizations for Pedestrian Attribute Recognition [50.932864767867365]
  本稿では,各属性に対する空間的および意味的一貫性を実現するために,2つの相補的正規化からなるフレームワークを提案する。 属性の正確な位置に基づいて,本質的および識別的意味的特徴を抽出する意味的整合性正規化を提案する。 その結果,提案手法はパラメータを増大させることなく,最先端の手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2021-09-13T03:36:44Z)
• RPCL: A Framework for Improving Cross-Domain Detection with Auxiliary Tasks [74.10747285807315]
  Cross-Domain Detection (XDD) は、ソースドメインからラベル付きイメージを使用してオブジェクト検出器をトレーニングすることを目的としている。 本稿では,両領域で同じ補助的タスクを同時に学習することで,ドメインを協調させる補完的ソリューションを提供する。
  論文  参考訳（メタデータ） (2021-04-18T02:56:19Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• Dual-Level Collaborative Transformer for Image Captioning [126.59298716978577]
  2つの機能の補完的な利点を実現するために、新しいデュアルレベルコラボレーショントランス(DLCT)ネットワークを紹介します。 さらに,これらの2つの特徴の直接融合によって生じる意味的雑音に対処するために,局所性制約付きクロスアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2021-01-16T15:43:17Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。