图上下文变换学习用于渐进式对应点修剪
计算机视觉与模式识别
2023-12-27 v1
摘要
现有的大多数对应点修剪方法只专注于尽可能多地收集上下文信息，而忽略了有效利用这些信息的方法。为了解决这一困境，本文提出了图上下文变换网络（GCT-Net），通过增强上下文信息来进行一致性引导，实现渐进式对应点修剪。具体来说，我们设计了图上下文增强变换器，它首先生成图网络，然后将其转换为多分支图上下文。此外，它采用自注意力和交叉注意力来放大每个图上下文的特征，以强调独特和共享的关键信息。为了进一步将重新校准的图上下文应用于全局域，我们提出了图上下文引导变换器。该模块采用基于置信度的采样策略，临时筛选高置信度顶点，通过搜索筛选顶点与剩余顶点之间的全局一致性来指导准确分类。在离群点移除和相对位姿估计上的大量实验结果表明，GCT-Net在室外和室内数据集上均优于最先进的方法。源代码将在https://github.com/guobaoxiao/GCT-Net/提供。
引用
@article{arxiv.2312.15971,
title = {Graph Context Transformation Learning for Progressive Correspondence Pruning},
author = {Junwen Guo and Guobao Xiao and Shiping Wang and Jun Yu},
journal= {arXiv preprint arXiv:2312.15971},
year = {2023}
}