Mar, 2024

HCPM: 高效无检测器匹配的分层候选筛选

PDF
TL;DR基于深度学习的图像匹配方法在计算机视觉中发挥了重要作用，但往往需要大量的计算资源。为了解决这个问题，我们提出了一种高效且无需检测器的局部特征匹配方法 HCPM，通过分层修剪来优化匹配流程。与依赖于粗略级别候选集进行匹配的最新无检测器方法不同，HCPM 仅集中在一小部分有信息量的候选项上，从而减少计算要求并提高匹配效率。该方法包括自剪枝阶段以选择可靠的候选项，以及在粗略级别上识别相关补丁的交互式剪枝阶段。我们的结果表明，HCPM 在速度和高准确性方面显著超越现有方法。发布后，源代码将可供使用。
发现论文，激发创造
  • 通过灵活的分层细化和补丁描述符精炼的广义匹配

    本文的主要关注点是解决深度特征匹配（DFM）的局限性，通过采用更灵活的最近邻搜索策略并集成图像补丁描述符，扩展了 DFM 的适用范围，同时提出了一种新颖的图像补丁描述符精炼策略，进一步降低了对应匹配的计算复杂度，实验证明我们的方法在实际机器人应用中具有卓越的性能。

    Mar, 2024

  • 人脸的距离感知层次聚类

    本篇论文介绍了一种名为 'PAHC' 的无监督人脸聚类算法，主要通过评估最近邻数据的线性 SVM 边缘来计算深度特征之间的相似度，从而实现人脸聚类及脸部识别的功能，并取得了显著的改进。

    Mar, 2017

  • 层次结构度量学习及其在二维和三维几何对应中的匹配

    该研究提出了使用深度学习的 CNN 网络以及不同层次的特征图来进行几何匹配的任务，并相较于先前的手动特征点描述方法，展示了更佳的匹配结果。

    Mar, 2018

  • 多尺度匹配网络用于语义对应

    本文提出了一种多尺度匹配网络，该网络可以对邻近像素之间微小的语义差异进行敏感的多尺度匹配，并利用深度卷积神经网络的多尺度结构学习判别像素级特征。实验结果表明，该方法在三个流行的基准测试上具有高计算效率并达到了最先进的性能。

    Jul, 2021

  • 层次组合特征学习

    本研究介绍了层次组合网络 (HCN)，是一种定向生成模型，能够在没有监督的情况下发现和解缠一组二元图像的构建块，使用 max-product 信息传递作为推理引擎，可以简单地执行添加监督信息、分类图像或执行修复等任务，将其用于分类时，具有与卷积神经网络完全相同的功能形式，但 HCN 的特征在定性上非常不同。

    Nov, 2016

  • 基于 Multicut 和 Deep Matching 的多人跟踪

    本文提出了一种基于图形的跟踪方法，使用新的本地成对特征，解决包含离群点的多切割问题并在 MOT16 基准测试上取得了最优效果。

    Aug, 2016

  • 一种数据和运行高效的分层地点识别流程的局部位置图和关注局部特征

    本文提出了一种运行时和数据高效的分层视觉场所识别（VPR）管道，通过结合数据驱动和免训练方法，在降低训练数据和影响训练与应用阶段分布差异方面取得了良好的平衡，该方法在大规模应用中表现出了更好的性能。

    Mar, 2024

  • 多图像基于一致特征挖掘的语义匹配

    本研究提出了一种多图像匹配方法以估计多个图像之间的语义对应关系，并且利用稀疏可靠特征匹配而非优化所有成对对应关系，同时还提出低秩约束来确保整个图像集上的特征一致性。该方法在多图匹配和语义流基准测试中表现优异，同时在不使用任何注释的情况下对重建对象类模型和发现对象类地标具有适用性。

    Nov, 2017

  • 水平金字塔匹配的人员再识别

    通过提出的 Horizontal Pyramid Matching 方法，我们可以在一定程度上减缓由于缺失身体部位而出现的识别失败情况，通过对不同的部分进行分类来增强各个人物部位的辨别能力，在全局和局部方面运用平均和最大池化策略来区分不同的人物信息，并在三个流行的基准测试中分别获得马记得 1501，DukeMTMC-ReID 和 CUHK03 的 mAP 分别为 83.1％，74.5％和 59.7％，从而达到新的最佳水平。

    Apr, 2018

  • 点云异常检测的互补拟合多模态特征

    本研究旨在通过将手工制作的 PCD 描述符与强大的预训练 2D 神经网络相结合，提高点云异常检测性能，提出了全面的伪多模特征（CPMF），通过使用手工制作的 PCD 描述符将 3D 模态中的局部几何信息与生成伪 2D 模态中的全局语义信息相结合，展示了 2D 和 3D 模态特征之间互补的能力和 CPMF 的有效性。

    Mar, 2023