基于子流形稀疏卷积的高效邻域共识网络
计算机视觉与模式识别
2020-04-23 v1
摘要
在本工作中，我们致力于精确估计图像对之间的局部化对应关系。我们采用近期提出的邻域共识网络（Neighbourhood Consensus Networks），其在困难对应问题上已展现出良好性能，并提出了改进以克服其主要局限：大内存消耗、长推理时间以及对应定位不精。我们所提出的改进可将内存占用与执行时间减少超过 ，且结果相当。这通过稀疏化含暂定匹配的相关张量，并随后使用子流形稀疏卷积的 4D CNN 处理实现。由于内存占用的降低，以更高分辨率处理输入图像，以及通过新颖的两阶段对应重定位模块，定位精度得到显著提升。所提出的 Sparse-NCNet 方法在 HPatches Sequences 与 InLoc 视觉定位基准上取得最先进（SOTA）结果，并在 Aachen Day-Night 基准上获得具竞争力的结果。
引用
@article{arxiv.2004.10566,
title = {Efficient Neighbourhood Consensus Networks via Submanifold Sparse Convolutions},
author = {Ignacio Rocco and Relja Arandjelović and Josef Sivic},
journal= {arXiv preprint arXiv:2004.10566},
year = {2020}
}