BCLNet：用于两视图对应点剪枝的双边共识学习
计算机视觉与模式识别
2024-01-09 v1
摘要
对应点剪枝旨在建立两幅相关图像之间的可靠对应关系并恢复相对相机运动。现有方法通常采用渐进策略处理局部和全局上下文，但重点强调从局部到全局的过渡，导致忽略了不同上下文之间的交互。为了解决这个问题，我们提出了一种并行上下文学习策略，涉及为两视图对应点剪枝任务获取双边共识。在我们的方法中，我们设计了一个独特的自注意力块来捕获全局上下文，并将其与已建立的局部上下文学习模块并行处理，从而能够同时捕获局部和全局共识。通过结合这些局部和全局共识，我们推导出所需的双边共识。我们还设计了一个重新校准块，减少错误共识信息的影响并增强模型的鲁棒性。我们的努力最终形成了双边共识学习网络（BCLNet），它能够高效地估计相机姿态并识别内点（真实对应点）。大量实验结果表明，我们的网络不仅在基准数据集上超越了最先进的方法，而且在各种特征提取技术下展现出强大的泛化能力。值得注意的是，BCLNet在未知户外数据集上比第二好的方法获得了3.98%的mAP5°增益，并明显加速了模型训练速度。源代码将在https://github.com/guobaoxiao/BCLNet提供。
引用
@article{arxiv.2401.03459,
title = {BCLNet: Bilateral Consensus Learning for Two-View Correspondence Pruning},
author = {Xiangyang Miao and Guobao Xiao and Shiping Wang and Jun Yu},
journal= {arXiv preprint arXiv:2401.03459},
year = {2024}
}