利用顺序感知网络学习两视图对应与几何
计算机视觉与模式识别
2019-08-15 v1 计算几何
机器学习
摘要
建立两幅图像间的对应需要局部和全局空间上下文。给定两视图中特征点的假定对应，本文提出 Order-Aware Network（顺序感知网络），其推断对应为内点的概率并回归由本质矩阵编码的相对位姿。具体而言，该网络以分层方式构建并包含三种新颖操作。首先，为捕获稀疏对应的局部上下文，网络通过学习软分配矩阵对无序输入对应进行聚类。这些聚类具有规范顺序且对输入排列不变。接下来，聚类被空间关联以形成对应的全局上下文。此后，通过所提出的上采样算子将上下文编码的聚类恢复至原始尺寸。我们在室外和室内数据集上进行了充分实验。两视图几何与对应的精度较 SOTA 方法有显著提升。代码将发布于 https://github.com/zjhthu/OANet.git。
引用
@article{arxiv.1908.04964,
title = {Learning Two-View Correspondences and Geometry Using Order-Aware Network},
author = {Jiahui Zhang and Dawei Sun and Zixin Luo and Anbang Yao and Lei Zhou and Tianwei Shen and Yurong Chen and Long Quan and Hongen Liao},
journal= {arXiv preprint arXiv:1908.04964},
year = {2019}
}
备注
Accepted to ICCV 2019, and Winner solution to both tracks of CVPR IMW 2019 Challenge. Code will be available soon at https://github.com/zjhthu/OANet.git