逆合成空间变换网络
计算机视觉与模式识别
2016-12-13 v1 机器学习
摘要
在本文中，我们在经典的 Lucas & Kanade (LK) 算法与新兴的空间变换网络 (STNs) 主题之间建立了理论联系。STNs 因其在同一理论框架内自然结合对齐与分类的能力而受到视觉和学习领域的关注。受 LK 算法的逆合成 (IC) 变体启发，我们提出了逆合成空间变换网络 (IC-STNs)。我们证明，IC-STNs 能够以更少的模型容量实现优于传统 STNs 的性能；特别地，我们在纯图像对齐任务以及现实世界问题中的联合对齐/分类问题上均展示了优越的性能。
引用
@article{arxiv.1612.03897,
title = {Inverse Compositional Spatial Transformer Networks},
author = {Chen-Hsuan Lin and Simon Lucey},
journal= {arXiv preprint arXiv:1612.03897},
year = {2016}
}