DCTM：用于语义流的离散-连续变换匹配
计算机视觉与模式识别
2017-07-19 v1
摘要
密集语义对应技术在应对语义相似图像间普遍存在的几何变化时能力有限。尽管由尺度和旋转引起的变化已被研究，但由于相关解空间极为庞大，针对诸如仿射变换等更复杂形变的实用方案仍然匮乏。为解决此问题，我们提出一种离散-连续变换匹配（DCTM）框架，其中密集仿射变换场通过离散标签优化推断，而标签经由连续正则化迭代更新。如此，我们的方法从仿射变换的连续空间中抽取解，其可通过常时间边缘感知滤波与一种所提出的基于 CNN 的仿射变化描述符高效计算。实验结果表明，该模型在各种基准测试上优于用于密集语义对应的当前 SOTA 方法。
引用
@article{arxiv.1707.05471,
title = {DCTM: Discrete-Continuous Transformation Matching for Semantic Flow},
author = {Seungryong Kim and Dongbo Min and Stephen Lin and Kwanghoon Sohn},
journal= {arXiv preprint arXiv:1707.05471},
year = {2017}
}