用于场景变化检测的对极引导深度目标匹配
计算机视觉与模式识别
2020-07-31 v1
摘要
本文描述了一种视角鲁棒的基于目标的变化检测网络（OBJ-CDNet）。行车记录仪等移动相机由于相机轨迹和快门时机的差异，每次捕获的图像视角都不同。然而，以往的像素级变化检测方法假设输入为已对齐的图像对，因此易受视角差异影响。为应对该困难，我们引入了一种深度图匹配网络，用于建立图像对之间的目标对应关系。该引入使我们能够在无需精确图像对齐的情况下检测目标级场景变化。为了更准确的目标匹配，我们提出了一种对极引导的深度图匹配网络（EGMNet），它将对极约束融入 OBJCDNet 中使用的深度图匹配层。为评估我们的网络对视角差异的鲁棒性，我们基于图像对创建了用于场景变化检测的合成与真实数据集。实验结果验证了我们网络的有效性。
引用
@article{arxiv.2007.15540,
title = {Epipolar-Guided Deep Object Matching for Scene Change Detection},
author = {Kento Doi and Ryuhei Hamaguchi and Shun Iwase and Rio Yokota and Yutaka Matsuo and Ken Sakurada},
journal= {arXiv preprint arXiv:2007.15540},
year = {2020}
}
备注
8 pages, 4 figures