ICCVJan, 2021

一致性学习逐步对应关系剪枝

PDF
TL;DR本文提出了一种基于一种局部到全局一致性学习过程的 “修剪” 块来逐步修剪对应关系的算法，能在鲁棒直线拟合、相机位姿估计以及基于检索的图像定位基准测试中以显著的优势胜过现有算法，并展现出对不同数据集和检测器 / 描述符组合的良好泛化能力。
correspondence selectionconsensus learningpruning blocksrobust line fittingcamera pose estimation
发现论文，激发创造
  • BCLNet：双边共识学习用于双视图对应关系修剪

    通过并行上下文学习策略，我们提出了 Bilateral Consensus Learning Network (BCLNet) 来有效估计相机姿态并识别内点（真实对应关系），实验证明我们的网络在基准数据集上不仅超过了最先进的方法，而且展示了对各种特征提取技术的稳健泛化能力。

    Jan, 2024

  • 学习二阶注意力上下文，以实现高效的对应剪枝

    本文提出了一种基于二阶关注上下文的出色的、高效的对应关系修剪方法，可以在维持效率的同时确保有效性。通过实验证明，与现有工作相比，我们的方法具有更好的去除异常值的效果，并可以获得 14 倍的加速比。

    Mar, 2023

  • 邻域共识网络

    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。

    Oct, 2018

  • 学习如何发现好的对应关系

    该研究使用多层感知器来优化广基准立体匹配的好匹配点，同时恢复相对位置关系，该网络基于像素坐标运算而非直接图像处理，提出了一种称为上下文规范化的新型正则化技术，使得可以单独处理每个数据点并赋予全局信息。在多个数据集的实验中，该方法使用少量训练数据就能显著提高现有技术的水平。

    Nov, 2017

  • 可学习的运动相干性用于对应关系剪枝

    本文提出了一个名为 Laplacian Motion Coherence Network（LMCNet）的神经网络，用于学习运动相干性属性，进而对冗余对应进行修剪，该网络使用了图拉普拉斯算子解决了运动相干性模拟中的挑战，通过不同可微层的组合，从候选对应关系中提取局部和全局的运动相干性，从而提高了拍摄动态场景的相机位置估计和冗余对应去除的效果。

    Nov, 2020

  • 寻找内点：局部和全局投票的 3D 对应

    本研究提出了一种基于局部和全局约束条件的快速三维模型匹配方法，通过对前置投票阶段的依赖进行采样，可以高精度地匹配不同数据集中的物体，并在高级视觉中具有很大的潜在应用。

    Aug, 2017

  • 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

  • 通过本地一致性增强的孪生网络与互补损失用于二视图对应关系学习

    在近期两视图对应关系学习的研究中，我们从两个方面改进了现有框架。首先，我们提出了局部特征共识 (LFC) 插件块来增强现有模型的特征。其次，我们将现有模型扩展为具备相互损失的孪生网络，充分利用互相投影的监督信息，极大提高了匹配性能，而不引入额外的模型参数。基于 MSA-Net，我们实现了这两个改进，并在基准数据集上取得了最先进的性能。

    Aug, 2023

  • SCENES: 用极线监督进行子像素对应估计

    从两个或多个视图中提取场景的点对应是一个基本的计算机视觉问题，对于相对相机位姿估计和运动结构具有特殊重要性。我们通过使用对应于传递线上的假设匹配来放宽已有模型需要的先验知识约束，并提出了一种新颖的引导方法，从而无需真实的三维结构信息即可对模型进行微调，并在新数据上获得最先进的结果。

    Jan, 2024

  • 具有对应结构学习的人员再识别

    提出了一个基于提升算法的方法来学习一个对应结构，以处理由于摄像机视角变换或人体姿态变化而导致的空间错配问题。学习的对应结构可以不仅可以捕获摄像机之间的空间对应模式，还可以处理个体图像的视角或人形态变化。此外，还提出了一种全局匹配过程，通过在所学习的对应结构上整合全局匹配约束，来排除图像补丁匹配过程中的跨视角错配，从而实现更可靠的图像匹配得分。

    Apr, 2015