基于图卷积网络的运动恢复结构图像检索
计算机视觉与模式识别
2020-09-18 v1
摘要
用于运动恢复结构的传统图像检索技术受限于无法有效识别重复模式，且无法保证以高精确率和高召回率创建恰好足够的匹配对。本文提出了一种基于图卷积网络（GCN）的新型检索方法，以生成准确且无冗余开销的成对匹配。我们将图像检索任务表述为图数据中的节点二分类问题：如果节点与查询图像共享场景重叠，则将其标记为正样本。核心思想是，我们发现查询图像在特征空间中的局部上下文包含了关于该图像与其相邻图像之间可匹配关系的丰富信息。通过构建围绕查询图像的子图作为输入数据，我们采用可学习的 GCN 来挖掘子图中的节点是否与查询照片具有重叠区域。实验表明，我们的方法在具有高度歧义和重复场景的挑战性数据集上表现优异。此外，与 state-of-the-art 的可匹配检索方法相比，所提出的方法在不牺牲重建准确性和完整性的情况下，显著减少了无用的尝试匹配。
引用
@article{arxiv.2009.08049,
title = {Image Retrieval for Structure-from-Motion via Graph Convolutional Network},
author = {Shen Yan and Yang Pen and Shiming Lai and Yu Liu and Maojun Zhang},
journal= {arXiv preprint arXiv:2009.08049},
year = {2020}
}