iMatching: 即时对应学习

Dec, 2023

iMatching: Imperative Correspondence Learning

Zitong Zhan, Dasong Gao, Yun-Jou Lin, Youjie Xia, Chen Wang

TL;DR通过引入一种新的自监督学习方案，我们提出了一种新的方法来训练特征对应关系，这种方法能够在任意连续的视频上进行特征对应关系的学习，而无需摄像头姿态或深度标签，从而为自监督的对应关系学习开创了一个新时代。在广泛的实验证明中，表现出较高的性能，在特征匹配和姿态估计等任务上，与现有的模型相比，精度提高了 30%。

Abstract

Learning feature correspondence is a foundational task in computer vision, holding immense importance for downstream applications such as visual odometry and 3D reconstruction. Despite recent progress in data-dri

feature correspondence computer vision self-supervised correspondence learning bilevel optimization feature matching

发现论文，激发创造

自监督学习的视频对应流

本文提出了一种适用于匹配视频中对应点的特征嵌入的自监督学习方法，其中使用自然的时空一致性训练指针模型，并通过引入信息瓶颈和循环模型等方式来解决跟踪器漂移等挑战，最终取得了在视频分割和关键点跟踪上的最佳效果。

May, 2019

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

若得之则与之，语义对应学习无对标图像

通过无标签对训练的简单而有效的方法，扩充了数据集的数量和多样性，并在基于语义的对应基准测试中取得了优于里程碑基线和最先进方法的性能提升。

Nov, 2023

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

自监控的视觉动作策略学习中的对应关系

本文提出了一种使用自监督对应关系用于提高视运动策略学习的泛化性能和样本效率的方法，并通过模仿学习演示了在挑战性的操作任务中使用少量演示即可实现广泛的硬件验证。

Sep, 2019

学习像素级视频对应的细粒度特征

通过自我监督学习并结合对真实世界视频和合成视频的特征学习，提出了一种针对像素级对应的特征学习方法，采用对抗性学习方案增强特征的泛化能力，并采用粗到细的框架追求高计算效率，在对应任务上的实验结果表明，该方法在准确度和效率方面均优于现有方法。

Aug, 2023

自监督对应学习的对比转换

本研究旨在通过使用野外未标记视频进行自监督学习的视觉对应关系。我们的方法同时考虑了可靠对应估计的视频内部和视频间的表示关联。

Dec, 2020

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

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

弱监督对应学习

本文提出了一种基于弱监督的通信学习方法，结合了严格匹配数据和非匹配数据学习，利用状态和动作的时间关系和配对抽象来降低成本和提高通信准确性。

Mar, 2022