ICCVSep, 2021

功能对应问题

PDF
TL;DR本文介绍了一个新问题：功能对应关系，并提出了一种模块化的任务驱动的表示方法。同时，介绍了一个新的数据集 FunKPoint，其记录了 10 个任务和 20 种对象类别的地面真实对应关系。作者还表明，由于他们的学习表示不受语义约束，因此可以在少样本分类问题上更好地进行泛化。
visual correspondencefunctional correspondencesdatasettask-driven representationfew-shot classification
发现论文，激发创造
  • 零样本图像特征一致性与深度函数图

    使用功能映射方法来提高大规模视觉模型训练中的对应关系地图的质量，并在各种密集对应任务中取得了最新的最佳性能。

    Mar, 2024

  • 人类信函共识的 3D 物体语义理解

    本文提出了一种基于同一类别不同对象之间的语义对应关系来恢复物体丰富语义信息的方法，同时介绍了 CorresPondenceNet 数据集，通过该数据集训练得到的密集语义嵌入可以促进异构对象的细粒度理解以及跨对象注册和部分对象匹配。

    Dec, 2019

  • 语义感知细粒度对应

    本文提出了一种语义感知的细粒度对应方法，该方法融合了基于图像和基于像素的自监督学习方法来提高任务的性能，在视频对象分割、人体姿态跟踪和人体部分跟踪等视觉对应任务上超过了以往基于卷积神经网络的最新自监督方法。

    Jul, 2022

  • 通用对应网络

    本文提出了一种深度学习框架，用于准确的视觉对应，并证明了其在几何和语义匹配中的有效性，提出了一种卷积空间变换器来模仿传统特征（如 SIFT）中的补丁归一化，广泛的 KITTI，PASCAL 和 CUB-2011 数据集的实验表明，与使用手工构建或学习特征的先前作品相比，我们的特征具有显着优势。

    Jun, 2016

  • 照片与草图之间的密集对应关系学习

    本研究介绍了一种新的素描 - 照片对应基准，PSC6k，其中包含 125 个物体类别上 6250 个素描 - 照片对的 150K 注释，并提出了一种自监督方法，用于学习素描 - 照片对之间的密集对应关系，该方法在精细度和量化上优于其他基线模型，为开发实现更接近人类的不同抽象层次上的视觉图像理解的人工系统提供了有希望的道路。

    Jul, 2023

  • 虚拟对应：以人类作为极端视角几何的线索

    该研究提出了一种基于虚拟对应关系的方法，可在极限视角图像中恢复相机的空间布局和场景的几何形状，以及在场景重建和新视角合成等下游任务中发挥作用。

    Jun, 2022

  • 匹配神经路径：从识别到对应搜索的转移

    该研究利用卷积神经网络中的分层语义表示来解决低层次对应问题，通过在识别任务中训练来避免直接训练低级对应预测，并使用标记将其标记为匹配项。通过平方算法聚合它们并在立体对应任务中进行实证验证，取得了与不使用标记目标域数据的方法相比可竞争的结果。

    May, 2017

  • 每个像素都是分类器的密集语义对应

    本文探讨了将语义对应视为约束检测问题的可能性，介绍了使用 LDA 分类器学习每个像素点的方法，并将该问题表述为图模型。

    May, 2015

  • 学习可变形物体的对应关系

    我们研究了可变形物体（布料和绳索）的像素级对应问题，比较了传统方法和基于学习的方法。我们选择布料和绳索，因为它们在解析建模方面是最难的可变形物体之一，而且在机器人任务（如布料折叠、绳结打结、T 恤折叠、窗帘合拢等）中具有意义。我们提出了对于通过特征匹配进行对应的现有传统方法进行全面调查，包括 SIFT、SURF 和 ORB，以及两种最近发布的基于学习的方法，包括 TimeCycle 和 Dense Object Nets。我们的提出方法为学习非刚性（和刚性）物体的连续时间和空间对应提供了灵活、通用的公式。我们报告了所有方法的均方根误差统计结果，并发现 Dense Object Nets 在对应方面优于基准传统方法，我们提出的 Dense Object Nets 扩展方法表现类似。

    May, 2024

  • 通过任务示范实现形态不同机器人之间的对应学习

    我们提出了一种学习不同机器人之间的对应关系的方法，并通过一系列实验验证了该方法的有效性。

    Oct, 2023