局部匹配理论：SIFT及其超越
计算机视觉与模式识别
2016-01-21 v1 机器学习
摘要
为何 SIFT 如此成功？为何其扩展 DSP-SIFT 能进一步改进 SIFT？是否存在一个能解释两者的理论？这样的理论如何惠及实际应用？它能否提出计算复杂度更低的新算法或匹配精度更高的新描述子？我们构建了用于视觉匹配的局部描述子的一般理论。我们的理论依赖于能量最小化和热扩散中的概念。我们表明 SIFT 和 DSP-SIFT 近似了该理论所给出的解。特别地，DSP-SIFT 对理论解给出了更好的近似；这证明了 DSP-SIFT 优于 SIFT 的原因。利用所发展的理论，我们推导出了参数更少且在处理仿射形变方面潜在更优的新描述子。
引用
@article{arxiv.1601.05116,
title = {A Theory of Local Matching: SIFT and Beyond},
author = {Hossein Mobahi and Stefano Soatto},
journal= {arXiv preprint arXiv:1601.05116},
year = {2016}
}