语义对应中特征提取与代价聚合的联合学习
计算机视觉与模式识别
2022-04-20 v2
摘要
在语义相似图像间建立稠密对应由于显著的类内变化和背景杂乱而成为具有挑战性的任务之一。为解决这些问题，已提出众多方法，专注于独立地学习特征提取器或代价聚合，这导致次优性能。本文中，我们提出一种用于语义对应中联合学习特征提取与代价聚合的新颖框架。通过利用各模块的伪标签，由特征提取与代价聚合模块组成的网络以提升方式同时学习。此外，为忽略不可靠伪标签，我们提出一种置信度感知对比损失函数，以弱监督方式学习网络。我们在语义对应的标准基准上展示了我们的竞争性结果。
引用
@article{arxiv.2204.02164,
title = {Joint Learning of Feature Extraction and Cost Aggregation for Semantic Correspondence},
author = {Jiwon Kim and Youngjo Min and Mira Kim and Seungryong Kim},
journal= {arXiv preprint arXiv:2204.02164},
year = {2022}
}