論文の概要: ALoMa: Affine Correspondences Beyond Patches
- arxiv url: http://arxiv.org/abs/2611.18170v1
- Date: Fri, 13 Nov 2026 13:42:09 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:29:01.201167
- Title: ALoMa: Affine Correspondences Beyond Patches
- Title(参考訳): ALoMa: パッチ以外のアフィン対応
- Abstract要約: アフィン対応(AC)は、マルチビュー幾何学の堅牢で効率的な解法を可能にする。
我々は、局所的な画像パッチを超えてAC推定を再検討し、画像を画像レベルと画像ペアレベルに拡張する。
この定式化に基づいて、LoMaキーポイント記述を用いたAC推定器であるALoMaを導入する。
- 参考スコア(独自算出の注目度): 36.889372964076934
- License:
- Abstract: Affine correspondences (ACs) enable robust and efficient solvers for multiple-view geometry by constraining the local geometry of point correspondences (PCs). Despite their utility in minimal solvers, AC estimation remains understudied. We revisit AC estimation beyond local image patches, extending it to the image and image-pair levels. Rather than estimating the components of the affine transformation separately, we learn the full 4-DoF matrix jointly. Building on this formulation, we introduce ALoMa, an AC estimator using LoMa keypoint descriptions, demonstrating consistent improvements across a wide range of downstream tasks. Code at https://github.com/davnords/loma.
- Abstract(参考訳): アフィン対応(AC)は、点対応(PC)の局所幾何学を制約することにより、多視点幾何学の堅牢かつ効率的な解法を可能にする。
最小限の解法では有効であるが、AC推定はまだ検討されている。
我々は、局所的な画像パッチを超えてAC推定を再検討し、画像を画像レベルと画像ペアレベルに拡張する。
アフィン変換の成分を別々に推定するのではなく、フル4-DoF行列を共同で学習する。
この定式化に基づいて、LoMaキーポイント記述を用いたAC推定器であるALoMaを導入し、幅広い下流タスクにおいて一貫した改善を示す。
コードネームはhttps://github.com/davnords/loma。
関連論文リスト
- Gradient Inversion through Linear and Affine Subspace Constraints [0.5156484100374058]
フェデレーション学習は、複数のクライアントが、ローカルデータセットを直接共有することなく、機械学習モデルを協調的にトレーニングすることを可能にする。
以前の研究が示すように、トレーニング中に交換された勾配は、クライアントデータに関する機密情報を明らかにする可能性がある。
FC層からの凝集勾配と正しいスケーリングは実際に入力のアフィン結合であることを示す。
論文 参考訳(メタデータ) (2026-11-10T12:16:13Z) - Rectified Point Flow: Generic Point Cloud Pose Estimation [33.190452313116936]
本稿では,一対の点雲登録と複数部分形状の組立を条件付き単一生成問題として定式化する統一パラメータ化であるRectified Point Flowを紹介する。
提案手法は,ノイズの多い点を目標位置へ移動させる連続点速度場を学習し,その部分のポーズを復元する。
論文 参考訳(メタデータ) (2025-06-05T17:36:03Z) - 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) - All-pairs Consistency Learning for Weakly Supervised Semantic
Segmentation [42.66269050864235]
Weakly supervised semantic segmentation (WSSS) のためのオブジェクトのローカライズに適したトランスフォーマーベース正規化を提案する。
我々は、ペアワイズ親和性を自然に埋め込む自己注意機構として、視覚変換器を採用する。
本手法は, PASCAL VOC列車のクラスローカライゼーションマップ(67.3% mIoU)を顕著に向上させる。
論文 参考訳(メタデータ) (2023-08-08T15:14:23Z) - Mining Relations among Cross-Frame Affinities for Video Semantic
Segmentation [87.4854250338374]
関連性間の関係を, 単一スケールの内在的相関と多スケールの関係という2つの側面で検討する。
実験により,提案手法は最先端のVSS法に対して好適に動作することを示した。
論文 参考訳(メタデータ) (2022-07-21T12:12:36Z) - PCAM: Product of Cross-Attention Matrices for Rigid Registration of
Point Clouds [79.99653758293277]
PCAMは、キー要素がクロスアテンション行列のポイントワイズ積であるニューラルネットワークである。
そこで本研究では,PCAMがステップ(a)とステップ(b)をディープネットを介して共同で解決する手法によって,最先端の成果が得られることを示す。
論文 参考訳(メタデータ) (2021-10-04T09:23:27Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳(メタデータ) (2020-07-20T12:07:48Z) - Contextual Pyramid Attention Network for Building Segmentation in Aerial
Imagery [12.241693880896348]
航空画像からの抽出は、都市計画、変更検出、災害管理といった問題にいくつかの応用がある。
コンテキストピラミッドアテンション(CPA)を用いた長距離依存関係のキャプチャにより,異なるサイズのセグメンテーションを改善することを提案する。
提案手法は,現在の最先端手法よりも1.8点,既存のベースラインよりも12.6点高い1.8点を後処理なしで改善する。
論文 参考訳(メタデータ) (2020-04-15T11:36:26Z) - Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。
我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。
特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
論文 参考訳(メタデータ) (2020-03-17T03:52:17Z)
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。