多核局部块描述符
本文提出了一种基于像素梯度有效匹配内核的多核局部补丁描述符,其中包括两种梯度参数化,分别提供了不同类型的补丁误差纠正鲁棒性。结合不带监督或带有监督的描述符空间白化,大大提高了性能,并对白化对补丁相似性的影响进行了分析,并证明其语义意义。我们的无监督变量是构建没有标记数据需求的最佳表现的描述符。尽管所提出的描述符很简单,但在许多不同的任务上与深度学习方法相比竞争力很强。
Nov, 2018
本文介绍了一种名为 Patch-NetVLAD 的方法,它提供了一种将局部和全局描述符方法的优点相结合的新方法,通过从 NetVLAD 剩余变量中导出局部级别的特征,我们的方法使深度学习的局部特征定义在特征空间网格上,能够聚合和匹配这些特征,并通过积分特征空间进行互补尺度(即块大小)的块特征的多尺度融合,显示出在其状态 - of-the-art 视觉地点识别结果上具有高度不变性,超过了基于全局和局部特征描述符的方法,同时还具有可配置框架中的改进计算效率,适合于增强独立场所识别能力和 SLAM 系统的整体性能。
Mar, 2021
本研究提出了一种新的基准测试,旨在评估本地图像描述符,在引入了一个适合训练和测试现代描述符的新大型数据集的基础上,我们介绍了严格定义的评估协议,以便在不同应用场景中进行更现实和可靠的比较,我们评估了几种最先进的描述符的性能,并分析了其性质。
Apr, 2017
本文的主要关注点是解决深度特征匹配(DFM)的局限性,通过采用更灵活的最近邻搜索策略并集成图像补丁描述符,扩展了 DFM 的适用范围,同时提出了一种新颖的图像补丁描述符精炼策略,进一步降低了对应匹配的计算复杂度,实验证明我们的方法在实际机器人应用中具有卓越的性能。
Mar, 2024
本文提出了一种卷积网络框架,用于学习二进制补丁描述符,其中像素域特征与从变换域提取的特征融合。实验证明,我们的特征融合方法在准确性、速度和复杂性方面优于多种最先进的方法。
Jan, 2019
通过采用上下文增强和空间注意机制,本文提出了一种可获得非局部感知的本地描述符方法,并在诸如 HPatches,Aachen Day-Night 定位和 InLoc 室内定位基准测试中,显著超越了先前的最先进本地描述符。
Mar, 2022
本文提出了一种金字塔渐变匹配方法,可为高精度和高效的光流估计提供密集匹配,并在强健匹配和离群值过滤方面进行了特殊增强,通过在 MPI Sintel 数据集上的表现显示出高效和强健。
Apr, 2017
本论文提出了一种同时学习关键点检测、特征描述和本地描述符可区分性预测器的方法,用于解决经典方法中存在的重复区域不具有判别力和描述符在存在歧义区域中的性能问题,在 HPatches 和 Aachen Day-Night 数据集上性能均表现优异。
Jun, 2019