无对应点的深度基础矩阵估计
计算机视觉与模式识别
2018-10-04 v1 计算几何
图形学
机器学习
机器学习
摘要
估计基础矩阵是计算机视觉中的经典问题。传统方法严重依赖估计的关键点对应点的正确性，而这些对应点可能含有噪声且不可靠。因此，这些方法难以处理具有大面积遮挡或相机位姿差异显著的图像对。本文提出新颖的神经网络架构，以端到端方式估计基础矩阵，而不依赖点对应。为保持基础矩阵作为具有七个自由度的齐次秩-2矩阵的数学性质，引入了新模块与层。我们在 KITTI 数据集上使用多种指标分析所提模型的性能，表明它们无需提取对应点即可取得与传统方法相竞争的性能。
引用
@article{arxiv.1810.01575,
title = {Deep Fundamental Matrix Estimation without Correspondences},
author = {Omid Poursaeed and Guandao Yang and Aditya Prakash and Qiuren Fang and Hanqing Jiang and Bharath Hariharan and Serge Belongie},
journal= {arXiv preprint arXiv:1810.01575},
year = {2018}
}
备注
ECCV 2018, Geometry Meets Deep Learning Workshop