ECO-TR：通过由粗到精细化实现高效对应点查找
计算机视觉与模式识别
2022-09-27 v1
摘要
在统一的函数对应模型中建模稀疏与稠密图像匹配近来引起了日益增长的研究兴趣。然而，现有工作主要关注提升匹配精度而忽略其效率，而效率对于实际应用至关重要。本文中，我们提出一种名为高效对应变换器（Efficient Correspondence Transformer, ECO-TR）的高效结构，通过由粗到精的方式查找对应点，显著提升了函数对应模型的效率。为此，多个 transformer 模块分阶段连接，在共享的多尺度特征提取网络之上逐步细化预测坐标。给定一对图像及任意查询坐标，所有对应点均在单次前向传播中预测。我们进一步提出一种自适应查询聚类策略与基于不确定性的离群点检测模块，与所提框架协同以实现更快更好的预测。在多种稀疏与稠密匹配任务上的实验证明了我们的方法相比现有最优方法在效率与效果上的优越性。
引用
@article{arxiv.2209.12213,
title = {ECO-TR: Efficient Correspondences Finding Via Coarse-to-Fine Refinement},
author = {Dongli Tan and Jiang-Jiang Liu and Xingyu Chen and Chao Chen and Ruixin Zhang and Yunhang Shen and Shouhong Ding and Rongrong Ji},
journal= {arXiv preprint arXiv:2209.12213},
year = {2022}
}
备注
Accepted by ECCV2022