DaD：用于多样化关键点检测的蒸馏强化学习
计算机视觉与模式识别
2025-03-12 v2
摘要
关键点是使运动恢复结构（SfM）系统能够扩展到数千张图像的基础。然而，设计关键点检测目标并非易事，因为 SfM 是不可微的。通常，会优化涉及描述符的辅助目标。但这会导致对描述符的依赖，这是不理想的。在本文中，我们通过强化学习提出了一种完全自监督且无描述符的关键点检测目标。为确保训练不退化，我们利用了平衡的 top-K 采样策略。虽然这已经产生了具有竞争力的模型，但我们发现出现了两种性质不同的检测器，它们分别只能检测亮关键点和暗关键点。为解决此问题，我们训练了第三个检测器 DaD，其优化亮暗两种检测器逐点最大值的 Kullback-Leibler 散度。我们的方法在一系列基准上显著优于 SotA。代码和模型权重公开于 https://github.com/parskatt/dad
引用
@article{arxiv.2503.07347,
title = {DaD: Distilled Reinforcement Learning for Diverse Keypoint Detection},
author = {Johan Edstedt and Georg Bökman and Mårten Wadenbäck and Michael Felsberg},
journal= {arXiv preprint arXiv:2503.07347},
year = {2025}
}
备注
fixed incorrect url