May, 2021

TransMatcher：一种利用 Transformer 实现深度图像匹配的通用人员重识别方法

PDF
TL;DR本文认为转换器由于缺乏图像之间的关注而不适用于图像匹配，因此提出了一种简化的解码器，称为 TransMatcher，它在一些流行的数据集中实现了最先进的表现以进行泛化人员再识别。
transformersimage matchingmetric learningglobal feature aggregationtransmatcher
发现论文，激发创造
  • TransforMatcher: 用于语义对应的匹配 - 匹配注意力

    本文介绍了基于 Transformer 网络的图像语义匹配学习器 TransforMatcher，通过全局匹配 - 匹配注意力和动态细化，利用轻量级注意力架构实现匹配处理和基于多层次特征的多通道相关图的精细化处理，以达到确切的匹配定位和 Semantic Learning 的效果

    May, 2022

  • 多尺度视觉 Transformer 结合二分图匹配进行高效单阶段动作定位

    这篇研究旨在解决行动定位的问题，提出了一种基于 MViTv2-S 模型、使用匹配损失函数的架构，通过直接应用视觉转换器的输出标记进行双向匹配，实现同时完成行动定位和目标检测的任务，在 AVA2.2 数据集上相对于两阶段方法，在 mAP 上取得了 + 3 的提升。

    Dec, 2023

  • 可解释且具有泛化性的人员重新识别方法：使用查询自适应卷积和时序上升法

    研究如何直接在深度特征图中设计局部对应，并构建查询自适应卷积核以实现局部匹配，通过构建类内存模块进一步简化训练，获得比流行学习方法更好的结果，提出了一种无模型的基于临时共存的打分权重方法 TLift，并在跨数据集的人物复识别中取得了最先进的结果。

    Apr, 2019

  • 基于 Transformer 的深度腹腔镜立体匹配

    本文提出了一种新的混合深度立体匹配框架（HybridStereoNet），使用 Transformer 实现特征表示学习，并结合 CNN 用于代价汇聚，旨在提高立体视觉匹配精度和泛化能力。实验结果表明，与其他选项相比，本文方法收敛更快，准确率更高，能够在 Sceneflow，SCARED2019 和 dVPN 数据集上实现卓越的性能。

    Jul, 2022

  • MatchFormer: 用于特征匹配的变形金刚中的交错注意力

    本文提出了一种新的层次化提取和匹配变形器 MatchFormer 来提高局部特征匹配的效率和鲁棒性，该方法结合自注意力和跨注意力在多尺度特征的层次化架构上提高匹配鲁棒性，并在室内姿势评估、室外姿势评估、单应性评估和图像匹配检测四个基准测试中均取得 state-of-the-art 的结果。

    Mar, 2022

  • 使用 Transformer 的视觉跟踪

    本文介绍了一种基于 Transformer 编码器 - 解码器架构和强有力的注意机制的新型追踪器网络，通过自我关注模块和交叉注意力，提高了全局和丰富的背景信息获取，支持超越局部特征的追踪效果，在多个基准测试上表现出优异的性能。

    May, 2021

  • GMTR: 图匹配变换器

    通过引入跨注意力模块和基于关键点的中心裁剪策略进行空间信息提取，QueryTrans 和 GMTR 分别提出了一种用于视觉匹配的新方法，其中 GMTR 在标准 GM 基准测试上表现竞争力强，而 QueryTrans 提高了 NGMv2 和 BBGM 的准确率。

    Nov, 2023

  • 图像文本匹配和检索的 Transformer 推理网络

    本文介绍了使用 Transformer Encoder Reasoning Network 架构来进行图像与文本的自动匹配，以便于实现大规模信息检索。试验结果表明，本架构成功实现了该任务且获得了创新性的成果。

    Apr, 2020

  • 学习鲁棒的视觉语义嵌入，实现通用的人员再识别

    该论文提出了一种叫做 MMET 的多模态等价 Transformer，可用于更加鲁棒的视觉 - 语义嵌入学习和人物重新识别，同时还引入了一种动态的遮罩机制，叫做 MMM，它可以加强其他模态的特征学习，从而提高性能。

    Apr, 2023

  • 基于 Vision Transformers 的快速且可解释的非分布数据人脸识别

    本文提出一种新颖的、使用 Vision Transformers (ViTs) 在 patch 级别比较两个图像的方法，通过对 CASIA Webface 数据集上的 2M 对图像进行训练，在大样本外分布数据上与 DeepFace-EMD 的准确度相当，但推理速度是 DeepFace-EMD 的两倍以上。此外，通过人体研究，我们的模型在可视化交叉注意力方面显示出有希望的解释性。我们相信我们的工作可以激发更多在人脸识别中使用 ViTs 的探索。

    Nov, 2023