DGC-GNN：利用几何与颜色线索实现无视觉描述子的 2D-3D 匹配
计算机视觉与模式识别
2024-03-26 v2
摘要
将图像中的 2D 关键点匹配到场景的稀疏 3D 点云而无需视觉描述子，因相比基于视觉描述子的方法具有低内存需求、固有隐私保护以及减少昂贵的 3D 模型维护需求而受到越来越多的关注。然而，现有算法常在性能上妥协，导致相较基于描述子的方法显著退化。本文提出 DGC-GNN，一种采用全局到局部图神经网络（GNN）的新算法，逐步利用几何与颜色线索表示关键点，从而提高匹配精度。我们的流程在粗粒度上编码欧氏与角度关系，形成几何嵌入以引导点匹配。我们在室内与室外数据集上评估 DGC-GNN，表明其不仅将最先进的无视觉描述子算法的精度翻倍，还大幅缩小了基于描述子与无描述子方法间的性能差距。
引用
@article{arxiv.2306.12547,
title = {DGC-GNN: Leveraging Geometry and Color Cues for Visual Descriptor-Free 2D-3D Matching},
author = {Shuzhe Wang and Juho Kannala and Daniel Barath},
journal= {arXiv preprint arXiv:2306.12547},
year = {2024}
}
备注
CVPR 2024