AbHE：全注意力单应性估计
计算机视觉与模式识别
2023-02-07 v3
摘要
单应性估计是一项基础计算机视觉任务，旨在从多视角图像获取用于图像对齐的变换。无监督学习单应性估计训练卷积神经网络以进行特征提取与变换矩阵回归。尽管最优单应性方法基于卷积神经网络，鲜有工作关注在高层视觉任务中展现优越性的 transformer。本文提出一种基于 Swin Transformer 的强基线模型，其结合卷积神经网络提取局部特征与 transformer 模块提取全局特征。此外，引入交叉非局部层以在特征图上粗略搜索匹配特征。在单应性回归阶段，我们对相关体的通道采用注意力层，可丢弃若干弱相关特征点。实验表明，在 8 自由度（DOFs）单应性估计中，我们的方法优于最优方法。
引用
@article{arxiv.2212.03029,
title = {AbHE: All Attention-based Homography Estimation},
author = {Mingxiao Huo and Zhihao Zhang and Xinyang Ren and Xianqiang Yang},
journal= {arXiv preprint arXiv:2212.03029},
year = {2023}
}