Mar, 2021

RoRD: 旋转鲁棒的特征描述符和正交视图用于局部特征匹配

PDF
TL;DR本文介绍了一种使用数据增强和正交视角投影学习不变性描述符的新框架，通过旋转保角本质的数据增强学习旋转不变性的本地描述符，并通过一种对特征匹配方法进行改进的技术以及新的自定义数据集进行了验证，在包括姿势估计和视觉位置识别等关键任务上提供了实用性能量的性能表现。
computer visionlocal descriptorsviewpoint changesdata augmentationpose estimation
发现论文，激发创造
  • 学习旋转等变特征实现视觉对应

    本实验引入自监督学习框架，使用群等变 CNN 提取旋转不变的局部特征，通过群对齐技术实现旋转不变性，并通过对比描述符损失和方向对齐损失训练来得到具有鲁棒性的局部特征描述符，表现出在不同环境下的高精度匹配结果，并在关键点匹配和相机姿态估计任务中显示出有竞争力的结果。

    Mar, 2023

  • 利用深度视觉描述符进行分层高效定位

    该论文提出了一种利用深度学习技术进行分层定位的方法，仅在候选位置上计算 2D-3D 匹配的精确位姿估计，从而实现在流行的移动平台上实时运行并拥有最先进的本地化性能，为机器人研究带来了新的前景。

    Sep, 2018

  • 评估 3D 形状分析方法对旋转不变性的稳健性

    本文通过对 3D 形状描述符的健壮性进行分析来评估其在 SO (3) 旋转（形状建模的基础）下的性能，并针对此任务考虑了不同方法的特征提取和分类。研究表明，针对相对简单的场景深度学习无法解决较大旋转差异或高难度对的问题，但是将旋转不变性设计为特征编码可以使其具有旋转不变性。

    May, 2023

  • 单目 3D 目标检测的正交特征转换

    本文采用正交特征变换的方式将图像特征映射到三维空间，从而让我们能够在一个具有一致尺度和可推断真实距离的领域中全面考虑场景的空间配置，运用于端到端的深度学习架构中，在 KITTI 3D 物体基准测试上实现了最先进的性能。

    Nov, 2018

  • 旋转投影统计量用于三维局部表面描述和物体识别

    本研究提出了一种基于 RoPS 和 LRF 的 3D 物体识别算法，通过计算散布矩阵和投影统计学方法对邻域进行特征描述，从而实现对噪声和网格分辨率的鲁棒性，取得了比现有技术更好的表现。

    Apr, 2013

  • 大规模评估局部图像特征检测器在单应矩阵数据集上的表现

    该研究提出了一种新的评估协议，可对大量图像上的本地特征检测器进行综合评估，使用 HPatches 数据集评估了许多本地特征检测器的视角和光照不变性检测，与以往相比，该研究的图像数量更多，结果更具鲁棒性，同时也表明传统检测器在与最近的深度学习替代方案相比时仍然具有很高的竞争力。

    Jul, 2018

  • 局部特征几何的多视角优化

    本研究提出了一种基于多视图三角化和非线性最小二乘的方法来优化局部图像特征的定位精度，实验证明该方法能够提高手工制作和学习的局部特征的三角化和相机定位性能。

    Mar, 2020

  • 无监督学习有效的等变三维描述符

    本文介绍了一种使用深度学习模式进行三维形状描述子学习的方法，在未定向输入数据的情况下创建坚固有力的旋转等变表示，并在测试时定义一个良好的规范方向。

    Sep, 2019

  • 全景图像匹配的描述符学习

    本文提出使用相似和不相似描述符对的训练集来学习不变描述符，通过神经网络解决优化问题，使用相似性保持哈希框架将描述符数据映射到汉明空间以保留训练集上的相似性，该方法不仅优于简单描述符匹配，也优于最先进的相似性保持哈希方法。

    Dec, 2011

  • 视角不变的稠密匹配用于视觉地理定位

    本文提出了一种新的基于密集局部特征的图像匹配方法，名为 GeoWarp，旨在解决视觉地理定位中的视角不变性问题，并通过新的自监督损失和两种新的弱监督损失进行训练。实验证明，GeoWarp 可以提高先进检索架构的准确性。

    Sep, 2021