具有偏移感知相关核的注意力语义对齐

ECCVAug, 2018

具有偏移感知相关核的注意力语义对齐

Attentive Semantic Alignment with Offset-Aware Correlation Kernels

Paul Hongsuck Seo, Jongmin Lee, Deunsol Jung, Bohyung Han, Minsu Cho

TL;DR本研究提出了一种专注于可靠的关联，过滤掉干扰信息的关注语义对齐方法，并结合偏移感知的相关内核实现优化，通过实验证明了其在语义对应问题上的卓越表现。

Abstract

semantic correspondence is the problem of establishing correspondences across images depicting different instances of the same object or scene class. One of recent approaches to this problem is to estimate parameters of a global transformation model that densely aligns one image to the

semantic correspondence global transformation model attentive semantic alignment offset-aware correlation kernel state-of-the-art performance

发现论文，激发创造

端到端弱监督语义对齐

本文提出了一种基于卷积神经网络和不同 iable soft inlier scoring 模块的语义对齐方法，该方法无需繁琐的手工标注就能实现对不同但具有语义相关性的图像进行参数学习，并从几何上一致的对应关系计算对齐质量，达到了基于多个标准基准的语义对齐的最先进表现。

Dec, 2017

语义感知细粒度对应

本文提出了一种语义感知的细粒度对应方法，该方法融合了基于图像和基于像素的自监督学习方法来提高任务的性能，在视频对象分割、人体姿态跟踪和人体部分跟踪等视觉对应任务上超过了以往基于卷积神经网络的最新自监督方法。

Jul, 2022

每个像素都是分类器的密集语义对应

本文探讨了将语义对应视为约束检测问题的可能性，介绍了使用 LDA 分类器学习每个像素点的方法，并将该问题表述为图模型。

May, 2015

动态上下文对应网络（DCN）用于语义对齐

该论文提出了一种名为 DCCNet 的动态上下文对应网络，通过引入注意力机制，整合了多种语义线索，对计算机视觉中语义对应问题进行了改进，并在多个数据集上验证了该方法的有效性。

Sep, 2019

SCNet：学习语义对应性

本文提出了 SCNet，一种基于卷积神经网络的语义对应的几何合理模型，利用区域提议实现匹配原语，并明确将几何一致性纳入其损失函数中，该方法在多项基准测试中均表现优异。

May, 2017

通用对应网络

本文提出了一种深度学习框架，用于准确的视觉对应，并证明了其在几何和语义匹配中的有效性，提出了一种卷积空间变换器来模仿传统特征（如 SIFT）中的补丁归一化，广泛的 KITTI，PASCAL 和 CUB-2011 数据集的实验表明，与使用手工构建或学习特征的先前作品相比，我们的特征具有显着优势。

Jun, 2016

语义空间中基于标签传输的自动图像标注

本文提出了一种基于核规范相关分析（KCCA）的标签传播框架，能够构建一个潜在的语义空间来嵌入视觉和文本特征之间的相关性，并在四个数据集上展示了显著的改进。该方法不仅可以处理专家标注的数据集，还可以处理社交媒体上用户自动生成标签的嘈杂数据。

May, 2016

利用视点引导的球面映射改善语义对应

自监督表征学习在提取图像特征方面取得了近期的进展，但在面对对称性和重复部分等具有挑战性的图像特征时仍存在限制。为了解决这些限制，本文提出一种新的语义对应估计方法，将有区分度的自监督特征与三维理解相结合，通过弱几何球面先验进行补充。与更复杂的三维流程相比，我们的模型仅需要弱视点信息，我们球面表示的简单性使我们能够在训练过程中注入信息丰富的几何先验。我们提出了一个更好地考虑重复部分和对称性误差的新评估指标。我们在具有挑战性的 SPair-71k 数据集上呈现结果，表明我们的方法能够在许多物体类别上区分对称视图和重复部分，并且还证明我们能够推广到 AwA 数据集上的未见类别。

Dec, 2023

TransforMatcher: 用于语义对应的匹配 - 匹配注意力

本文介绍了基于 Transformer 网络的图像语义匹配学习器 TransforMatcher，通过全局匹配 - 匹配注意力和动态细化，利用轻量级注意力架构实现匹配处理和基于多层次特征的多通道相关图的精细化处理，以达到确切的匹配定位和 Semantic Learning 的效果

May, 2022

区分左右：几何感知语义对应标识

基于现有动物姿势估计数据集构建了一个新的挑战性的语义对应基准，表明几何感知在语义对应中的重要性，并揭示了当前基础模型特征在简单后处理中的局限性。我们展示了在零样本和监督设置下用简单而有效的解决方案结合这些信息可以显著提高语义对应性能。在备受挑战的 SPair-71k 数据集上，我们的方法在零样本情况下达到了 64.2 的 [email protected] 分数，在监督设置下达到了 85.6 分数，相较最先进方法分别提高了 4.3p 和 11.0p 的绝对增益。我们的代码和数据集将对公众开放。

Nov, 2023