基于学习的跨视角关系对象匹配
计算机视觉与模式识别
2023-05-05 v1
摘要
智能机器人需要对象级场景理解以推理可能的任务与环境交互。此外，许多感知任务如场景重建、图像检索或位置识别可受益于对象级推理。虽然基于关键点的匹配在寻找中小视角变化图像对应关系中可得强结果，但对于大视角变化，在对象级语义匹配更具优势。本文提出一种基于学习的方法，结合局部关键点与新颖对象级特征以匹配RGB图像间对象检测。我们基于外观及对象间帧内与跨帧空间关系在关联图神经网络中训练对象级匹配特征。我们在大量真实感合成图像视角上展示该方法。相较先前最优对象级匹配方法，我们的方法具优势，且于大视角变化上优于纯关键点方法。
引用
@article{arxiv.2305.02398,
title = {Learning-based Relational Object Matching Across Views},
author = {Cathrin Elich and Iro Armeni and Martin R. Oswald and Marc Pollefeys and Joerg Stueckler},
journal= {arXiv preprint arXiv:2305.02398},
year = {2023}
}
备注
Accepted for publication in IEEE International Conference on Robotics and Automation (ICRA), 2023