Jul, 2018

大规模评估局部图像特征检测器在单应矩阵数据集上的表现

PDF
TL;DR该研究提出了一种新的评估协议，可对大量图像上的本地特征检测器进行综合评估，使用 HPatches 数据集评估了许多本地特征检测器的视角和光照不变性检测，与以往相比，该研究的图像数量更多，结果更具鲁棒性，同时也表明传统检测器在与最近的深度学习替代方案相比时仍然具有很高的竞争力。
local feature detectorshpatches datasetviewpoint invariant detectionillumination invariant detectiondeep-learning alternatives
发现论文，激发创造
  • HPatches：手工和学习型局部描述符的基准测试和评估

    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

  • RoRD: 旋转鲁棒的特征描述符和正交视图用于局部特征匹配

    本文介绍了一种使用数据增强和正交视角投影学习不变性描述符的新框架，通过旋转保角本质的数据增强学习旋转不变性的本地描述符，并通过一种对特征匹配方法进行改进的技术以及新的自定义数据集进行了验证，在包括姿势估计和视觉位置识别等关键任务上提供了实用性能量的性能表现。

    Mar, 2021

  • 基于图像的三维重建中局部特征的性能评估

    本文对图像三维重建中的局部特征进行了全面比较评估，包括使用强大的机器学习技术和精心设计的手工特征。在定量和定性实验中，实验结果表明，对于只有少量图像的场景，二进制特征具有很好的重建效果，并且处理速度比浮点型特征快得多。但是，对于大规模图像集，浮点型特征比二进制特征具有明显的优势。

    Dec, 2017

  • 具关注力的深度局部特征进行大规模图像检索

    我们提出了一种基于卷积神经网络的关注局部特征描述符 DELF，它可以作为关键点探测器和描述符的一种替代品，能够产生可靠的置信度得分，能够有效地进行图像检索。我们对 Google-Landmarks 数据集进行了测试，结果表明 DELF 在大规模情况下优于最先进的全局和局部描述符。

    Dec, 2016

  • 局部特征几何的多视角优化

    本研究提出了一种基于多视图三角化和非线性最小二乘的方法来优化局部图像特征的定位精度，实验证明该方法能够提高手工制作和学习的局部特征的三角化和相机定位性能。

    Mar, 2020

  • 一个用于改善补丁匹配的大型数据集

    我们提出了一个新的数据集，用于学习本地图像描述符，可用于显着改善补丁匹配。此新数据集的训练效果比目前的 Multi-View Stereo (MVS) 数据集更好，并且还提供了补充信息，例如 RGB 补丁、相机参数等。我们使用此数据集训练现有的最先进模型，并在公开基准测试中获得了比 MVS 数据集训练的最先进描述符更好的性能。

    Jan, 2018

  • 预训练 CNN 的嵌入式特征本地化

    本研究引入了一种基于 CNN 内部信息的新型特征检测器，检测器的信息从特征图与输入图像的梯度计算获得，能够生成显著性地图和相关关键点，无需监督训练，和专门的 feature detector 性能相似。

    Jul, 2019

  • 基于补丁的概率图像质量评估用于人脸选择和视频人脸识别改进

    提出一种有效的基于 patch 的人脸图像质量评估算法，该算法综合考虑了人脸图像的几何对齐、锐度、头部姿势等因素，能够识别最正面、对齐、锐利和照明良好的图像，并在实验中表明在人脸子集的选择方面，该方法优于现有技术，使人脸识别准确度显著提高。

    Apr, 2013

  • 使用可微持久同调的无标度图像关键点

    介绍了一种基于 Morse 理论和持续同调的新颖方法，该方法在计算机视觉中应用于特征检测，具有竞争性的关键点可重复性和理论上鲁棒性的方法。

    Jun, 2024

  • 可重复、可靠的检测器和特征描述器 (R2D2)

    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