E3CM：对极约束级联对应匹配
计算机视觉与模式识别
2023-09-01 v1 机器人学
摘要
准确且鲁棒的对应匹配对各种 3D 计算机视觉任务至关重要。然而，传统基于显式编程的方法常难以应对困难场景，而基于深度学习的方法需要大量精标注数据集进行网络训练。本文提出对极约束级联对应(E3CM)，一种解决上述局限的新方法。与传统方法不同，E3CM 利用预训练卷积神经网络进行对应匹配，无需任何网络训练的标注数据或微调。我们的方法利用对极约束引导匹配过程，并引入级联结构逐步精炼匹配。我们通过充分实验广泛评估 E3CM 性能，证明其优于现有方法。为促进进一步研究并便于复现，我们在 https://mias.group/E3CM 公开源代码。
引用
@article{arxiv.2308.16555,
title = {E3CM: Epipolar-Constrained Cascade Correspondence Matching},
author = {Chenbo Zhou and Shuai Su and Qijun Chen and Rui Fan},
journal= {arXiv preprint arXiv:2308.16555},
year = {2023}
}
备注
accepted to Neurocomputing