Oct, 2018

邻域共识网络

PDF
TL;DR本研究介绍了一种基于卷积神经网络的密集对应关系匹配方法，使用邻域一致性匹配模式在两幅图像所有可能的对应关系的 4D 空间中鉴别一组具有空间一致性的对应关系。该方法不需要全局几何模型，只需要弱监督的成对图像匹配信息进行训练。最后，该方法在类别匹配和实例级匹配任务中均取得了最优结果。
dense correspondencesconvolutional neural networkweak supervisionmatching tasksneighbourhood consensus network
发现论文，激发创造
  • 自适应邻域一致性的通信网络

    本研究介绍了一种使用自适应邻域一致性网络（ANC-Net）的卷积神经网络架构，用于解决同类别物体图像之间生成密集视觉对应的任务。该方法通过非各向同性的四维卷积核，多尺度自相似性模块和正交损失来实现稠密匹配，并在各种基准测试中优于现有的最先进方法。

    Mar, 2020

  • 通过次流形稀疏卷积实现高效邻域一致性网络

    通过采用邻域共识网络并对其进行修改，运用 4DCNN 和稀疏卷积，提高了图像间的精确本地化对应关系，同时在 HPatches Sequences 以及 InLoc 视觉本地化基准中达到最先进的结果。

    Apr, 2020

  • 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

  • NM-Net: 挖掘可靠邻居以获取强健的特征对应

    该研究提出了一种兼容性特定的挖掘方法来搜索一致的邻居，在提取并聚合更可靠的特征方面，使用了一种具有层次结构的神经网络 NM-Net。

    Mar, 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

  • 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

  • 半监督语义匹配

    本文提出了一种半监督学习框架，为无标签图像对增加循环一致性限制，在监督丢失和无监督训练中实现了最先进的语义匹配性能。

    Jan, 2019

  • 深度图匹配一致性

    本文提出了一种基于图神经网络和同步消息传递网络的两阶段神经结构，用于学习和精炼图之间的结构对应关系，并在计算机视觉和知识图谱中的实体对齐方面实现了比当前最先进方法更好的实际效果。

    Jan, 2020

  • 基于卷积神经网络的几何匹配架构

    该论文提出了一种基于卷积神经网络的几何匹配体系结构，可用于在符合几何模型的条件下确定两幅图像之间的对应关系和参数估计，并演示了该网络参数可以从合成生成的图像中训练而来，且同时适用于实例级别和类别级别匹配。

    Mar, 2017

  • 使用多视卷积网络从部分对应学习本地形状描述符

    本文提出了一个新的适用于 3D 形状的本地描述符，通过卷积网络直接从多个尺度的从粗到精细视角来捕捉图像的空间局部结构和表面细节，该技术可用于点对应，语义分割和形状匹配等形状分析领域。

    Jun, 2017