无描述子的特征匹配：隐式匹配兴趣点
计算机视觉与模式识别
2019-08-20 v2
摘要
兴趣点的提取与匹配是许多几何计算机视觉问题的前提。传统上，匹配通过为兴趣点分配描述子并匹配具有相似描述子的点来实现。在本文中，我们提出一种方法，使兴趣点在检测时即已被隐式匹配。由此，描述子不再需要被计算、存储、传输或匹配。这通过一个具有多个输出通道的卷积神经网络实现，可视为一组多样的检测器，每个专门对应于特定视觉特征。本文描述了如何设计与训练这样一个网络，使其在兴趣点数量受限的情况下仍取得成功的相对位姿估计性能。尽管总体匹配分数略低于传统方法，该方法无描述子，从而实现了显著更小内存占用的定位系统以及更低带宽需求的多智能体定位系统。该网络还输出特定兴趣点为有效匹配的置信度。我们相对于最先进的替代方法评估了性能。
引用
@article{arxiv.1811.10681,
title = {Matching Features without Descriptors: Implicitly Matched Interest Points},
author = {Titus Cieslewski and Michael Bloesch and Davide Scaramuzza},
journal= {arXiv preprint arXiv:1811.10681},
year = {2019}
}
备注
10 pages without references, accepted for publication at the British Machine Vision Conference (BMVC), Cardiff, 2019. v2 contains additional results, and a bug in the evaluation of LF-NET has been fixed