CVPRDec, 2019

强化特征点： 针对高级任务优化特征检测和描述

PDF
TL;DR该研究论文提出一种嵌入完整视觉流水线中的特征检测器训练方法，通过强化学习的原则克服关键点选择和描述符匹配的离散性，并通过实验表明该方法可以提高基于学习的特征检测器在任务中的准确性。
computer vision2d feature pointsneural networkstraining methodologyrelative pose estimation
发现论文，激发创造
  • 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

  • 鱼眼和透视图像自监督兴趣点检测和描述

    本文通过自监督学习的方法针对鱼眼和投影图像混合的情况，研究关键点检测和匹配问题，提出了一种训练兴趣点检测器和描述符网络的方法，并证明了目前的方法不是最优解，提出的方法是最有效的。

    Jun, 2023

  • 图像点描述符的残差学习

    本文提出了一种通过使用手工制作的检测器和描述符来学习本地图像描述符的非常简单且有效的方法，通过对手工制作的描述符已有的知识进行优化，只学习主网络分支的剩余知识，从而在收敛速度上提供了 50 倍的优势，并在推理过程中提供了优于学习和手工制作描述符的性能。该方法在集成学习和非可微函数学习方面具有潜在应用，通过匹配、相机定位和运动过程中的实验展示了我们方法的优势。

    Dec, 2023

  • 端到端学习鲁棒姿态 3D 匹配的关键点检测器和描述符

    本论文提出了一种基于端到端学习框架的关键点检测及其表示的方法，以适应于三维深度地图或扫描，通过采样相应的区域提案实现正负样本的自动获取，并在多个基准数据集上进行匹配实验，表明该方法相对于现有方法具有明显的改进。

    Feb, 2018

  • 使用卷积神经网络进行特征描述符匹配：与 SIFT 的比较

    利用卷积神经网络训练数据和不训练数据，与标准的 SIFT 描述符进行比较，结果显示网络表现的更好，特别是在描述符匹配方面。

    May, 2014

  • 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

  • SFD2: 语义引导的特征检测与描述

    本文提出了一种将高级语义隐式嵌入到检测和描述过程中的语义感知检测器来提高视觉定位准确度的方法，大幅降低了对于外观变化敏感的特征数量，增强了与语义相关的区域的描述符辨别能力，该方法在 Aachen Day-Night 和 RobotCar-Seasons 数据集上的实验表明，在使用 2k 和 4k 关键点的情况下，与先前的本地特征相比，我们的模型表现更好，且速度更快。

    Apr, 2023

  • DeDoDe: 本地特征匹配中的检测，不是描述 - 描述，不是检测

    基于 3D 连续性，我们通过从大规模 SfM 中训练探测器来直接学习关键点，并且通过分离的网络最大化互相最近邻目标来训练描述符。结果表明，我们的方法 DeDoDe 在多个几何基准测试中取得了显著的增益。

    Aug, 2023

  • 基于深度学习的局部特征匹配：综述

    本研究对本地特征匹配方法进行了全面的综述，将其分类为基于探测器和不基于探测器两类，并探索了其在不同领域的实际应用和面临的当前挑战，以及未来的研究方向。

    Jan, 2024

  • 通过联合学习检测和描述关键点来增强可变形局部特征

    DALF is a new, deformation-aware network for jointly detecting and describing keypoints, which can be used for local feature extraction in computer vision and delivers better performance when dealing with matching deformable surfaces.

    Apr, 2023