LF-Net：从图像中学习局部特征
计算机视觉与模式识别
2018-11-26 v2
摘要
我们提出一种新颖的深度架构与训练策略，可从零开始学习局部特征流水线，使用图像集合且无需人工监督。为此，我们利用深度与相对相机位姿线索，在一幅图像上构建网络应达成的虚拟目标，前提是给定另一幅图像的网络输出。尽管该过程本质不可微，我们展示可通过双分支设置优化网络：将其限制于一分支，同时在另一分支保持可微性。我们在室内与室外数据集上训练该方法，前者使用来自 3D 传感器的深度数据，后者使用现成运动恢复结构（Structure-from-Motion）方案的深度估计。我们的模型在两数据集的稀疏特征匹配上均优于当前最优（SOTA）方法，同时对 QVGA 图像以 60+ fps 运行。
引用
@article{arxiv.1805.09662,
title = {LF-Net: Learning Local Features from Images},
author = {Yuki Ono and Eduard Trulls and Pascal Fua and Kwang Moo Yi},
journal= {arXiv preprint arXiv:1805.09662},
year = {2018}
}
备注
NIPS 2018