学习使关键点亚像素精确
计算机视觉与模式识别
2024-07-17 v1
摘要
本工作解决了2D局部特征检测中亚像素精度的问题，这是计算机视觉中的一个基础性难题。尽管基于神经网络的方法如 SuperPoint 和 ALIKED 等带来了进步，但这些现代方法在关键点定位精度上仍落后于像素级方法如 SIFT。我们提出了一种新型网络，通过学习检测到的特征的偏移向量来增强任何检测器的亚像素精度，从而无需设计专门的亚像素精确检测器。该优化直接最小化测试时评估指标，如相对姿态误差。通过在多个真实世界数据集上进行大量测试，使用最近的 LightGlue 匹配器和最近邻匹配，我们的方法在精度上 consistently 优于现有方法。此外，仅增加约7毫秒的检测器时间。代码已公开于 https://github.com/KimSinjeong/keypt2subpx。
引用
@article{arxiv.2407.11668,
title = {Learning to Make Keypoints Sub-Pixel Accurate},
author = {Shinjeong Kim and Marc Pollefeys and Daniel Barath},
journal= {arXiv preprint arXiv:2407.11668},
year = {2024}
}
备注
The European Conference on Computer Vision (2024)