具有自适应邻域一致性机制的对应网络
计算机视觉与模式识别
2020-03-27 v1
摘要
在本文中，我们解决在包含同类别物体的图像间建立稠密视觉对应的问题。由于较大的类内差异和缺乏稠密像素级标注，这是一项具有挑战性的任务。我们提出一种称为自适应邻域一致性网络（ANC-Net）的卷积神经网络架构，可使用稀疏关键点标注进行端到端训练，以应对该挑战。ANC-Net 的核心是我们提出的非各向同性 4D 卷积核，其构成用于鲁棒匹配的自适应邻域一致性模块的基本单元。我们还在 ANC-Net 中引入一个简单高效的多尺度自相似模块，使所学特征对类内差异具有鲁棒性。此外，我们提出一种新颖的正交损失以强制一对一匹配约束。我们在多个基准上彻底评估了方法的有效性，其大幅优于 SOTA 方法。
引用
@article{arxiv.2003.12059,
title = {Correspondence Networks with Adaptive Neighbourhood Consensus},
author = {Shuda Li and Kai Han and Theo W. Costain and Henry Howard-Jenkins and Victor Prisacariu},
journal= {arXiv preprint arXiv:2003.12059},
year = {2020}
}
备注
CVPR 2020. Project page: https://ancnet.avlcode.org/