ECCVApr, 2020

RANSAC-Flow：通用的两阶段图像对齐

PDF
TL;DR本文提出了一种简单的无监督方法来完成不同任务下两张图像之间的密集对齐问题，采用参数化和非参数化的两个阶段方法来实现初步和精细对齐，其中初步对齐使用了 RANSAC 和现成的深度特征，精细对齐使用了一种优化标准结构相似度度量的深度网络，并且已被应用于多个领域的数据集，包括 KITTI、Hpatches、YFCC100M、Aachen Day-Night 和 Brughel dataset。
dense alignmentparametric alignmentnon-parametric alignmentunsupervised approachstructural similarity
发现论文，激发创造
  • $H$-RANSAC，一种基于无特征点集的单应性图像变换的算法变体：应用于基于视频的足球分析

    提出了一种在没有描述性局部特征向量和点配对的情况下，从点集中检索到图像的单应性变换的广义 RANSAC 算法 H-RANSAC，并在每次迭代之前基于随机点对选择的四边形类型（凸形或凹形以及（非）自相交）提出了一种鲁棒准则来拒绝不可信的点选择，并在每次迭代结束时包含了一个类似的事后准则来拒绝不可信的单应性变换，该方法在具有少数点，而且无法获得足够描述性局部特征的图像单应性对齐案例中表现出更好的性能。

    Oct, 2023

  • 基本矩阵估计中特征匹配算法评估

    评估最近算法在图像匹配及极线几何评估中的表现，并利用它们设计出更实用的注册系统，扩大计算机视觉任务的应用，通过四个大型数据集的实验，提出了三种高质量的匹配系统和粗 - 细 RANSAC 评估器，具有潜在的应用前景。

    Aug, 2019

  • 学习准确的密集对应关系及其可信度

    提出了一种基于概率的方法，通过学习流场预测和不确定性，建立两幅图像间的密集对应关系，同时估计像素级置信度和可靠性，通过受限混合模型等方法建立更好的流预测和异常点建模，通过实验证明该方法在多个具有挑战性的几何匹配和光流估计数据集上具有最先进的效果，并在姿态估计领域证明了它的实用性。

    Jan, 2021

  • 内容感知无监督深度单应矩阵估计

    提出了一种无监督深度视觉几何估计方法来提高图像配准的精度，通过学习异常值掩模以去除噪声和提取更可靠的样本进行估计，使用 RANSAC 机制进行可靠区域选择，并专注于学习深度特征来计算损失，同时不忽略在真实场景中处理视差和运动物体的重要性。

    Sep, 2019

  • 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

  • 潜在的 RANSAC

    提出了一种能以恒定时间（与数据大小无关）评估 RANSAC 假设的方法，通过 Random Grids 的寻找相似假设对的方式，大大提高了 RANSAC 流程的效率且不影响准确性，成功应用于相机定位、3D 刚体对齐和 2D 透视矩阵估计等问题。

    Feb, 2018

  • 基于概率密度函数对齐的自监督稳健场景流估计

    本文提出了一种新的自监督场景流估计方法，利用高斯混合模型将离散点云表示为连续的概率密度函数，并使用经典 Cauchy-Schwarz 散度的闭合式表达式从概率密度函数的对齐中恢复运动，通过建立软性隐式点对应关系生成更稳健和准确的场景流，实验结果表明该方法在现实环境中的 FlyingThings3D 和 KITTI 数据集上的性能优于现有方法，甚至超过了一些有监督的方法。

    Mar, 2022

  • 弱监督 2D 点集配准的语义匹配

    本文提出了一种卷积神经网络的方法来处理物体相同实例之间的对应关系问题，定义了一个新的基于循环一致性的损失函数来解决 2D 点集的注册问题，并在 Proposal-Flow（PF-PASCAL）数据集上进行了训练和测试，取得了最先进的结果。

    Jan, 2019

  • 无监督表面配准的多视角循环对齐网络

    本文提出一种基于刚性变换的非刚性配准算法，通过可微分的损失函数进行监督学习，并在多个数据集上的实验结果表明其优于现有最先进算法。

    Nov, 2020

  • 使用深度惩罚重建紧密对齐数百万图像

    该论文提出了一种基于稠密融合的空间变换器网络和低容量自编码器的无监督联合对准方法，能够在 MNIST 和 LFW 数据集中高精度、鲁棒地对齐数百万张图像，比现有方法具有更好的对齐质量和初始鲁棒性。

    Aug, 2019