DKM:幾何学推定のための高密度カーネル化特徴マッチング【JST・京大機械翻訳】

Edstedt Johan; Athanasiadis Ioannis; Wadenbaeck Marten; Felsberg Michael

プレプリント

J-GLOBAL ID：202202202833756644 整理番号：22P0283279

DKM:幾何学推定のための高密度カーネル化特徴マッチング【JST・京大機械翻訳】

DKM: Dense Kernelized Feature Matching for Geometry Estimation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年11月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

特徴マッチングは,3Dシーンの2つの画像間の対応を見つけることを含む挑戦的なコンピュータビジョンタスクである。本論文では,より一般的なスパースパラダイムの代わりに高密度アプローチを考察し,従って,全ての対応を見つけるように努力する。予想に反して,高密度法は,2視点幾何学の推定に対して,それらのスパースで半スパースな対応物に対して以前に劣った性能を示した。この新しい高密度方法によるこの変化は,形状推定において高密度でスパースな方法の両方より優れている。新規性は3倍である:まず,カーネル回帰大域的整合器を提案する。第2に,著者らは,積層特徴マップと深さ方向畳込みカーネルを通して,縦糸精密化を提案した。第3に,密な信頼マップのための一貫した深さとバランスの取れたサンプリングアプローチを通して,高密度の信用を学習することを提案する。大規模な実験を通して,提案した高密度方法,DenseKernelized Fature Matchingは,複数の幾何学推定ベンチマークに新しい最先端技術を設定することを確認した。特に,著者らは,それぞれ,最良の以前のスパース方法および高密度方法と比較して,+4.9および+8.9AUC@5°のMegaDepth-1500の改善を達成した。著者らのコードをhttps://github.com/Parskatt/dkmで提供した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , , ,

前のページに戻る