超像素流：基于多层神经特征的语义对应
计算机视觉与模式识别
2019-08-20 v1
摘要
在类内大变化下建立视觉对应需要以不同层次分析图像，从关联语义与上下文的特征到局部模式，同时对实例特定细节保持不变性。为应对这些挑战，我们用“超像素(hyperpixels)”表示图像，其利用从卷积神经网络早期到晚期层中选出的少量相关特征。借助超像素的浓缩特征，我们开发了一种基于霍夫几何投票的高效实时匹配算法。所提方法——超像素流(hyperpixel flow)——在三个标准基准以及一个新数据集SPair-71k上确立了新的最先进水平，该数据集包含比现有数据集显著更多的图像对，并具有更精确和更丰富的标注以支持深入分析。
引用
@article{arxiv.1908.06537,
title = {Hyperpixel Flow: Semantic Correspondence with Multi-layer Neural Features},
author = {Juhong Min and Jongmin Lee and Jean Ponce and Minsu Cho},
journal= {arXiv preprint arXiv:1908.06537},
year = {2019}
}
备注
Accepted to ICCV 2019