MTLDesc：看得更宽以描述得更好
计算机视觉与模式识别
2022-03-15 v1 人工智能
摘要
受卷积神经网络局部性的限制，大多数现有的局部特征描述方法仅利用局部信息学习局部描述子，缺乏全局与周边空间上下文感知。本工作中，我们专注于通过利用不止局部信息（More Than just Local information, MTLDesc）学习局部描述子，使局部描述子“看得更宽以描述得更好”。具体而言，我们借助上下文增强与空间注意力机制使MTLDesc获得非局部感知。首先，提出自适应全局上下文增强模块与多样化局部上下文增强模块，以从全局到局部的上下文信息构建鲁棒局部描述子。其次，设计一致性注意力加权三元组损失，将空间注意力感知整合进局部描述子学习的优化与匹配阶段。第三，给出基于特征金字塔的局部特征检测，以获得更稳定准确的 keypoints 定位。通过上述创新，我们的MTLDesc在HPatches、Aachen Day-Night定位与InLoc室内定位基准上的性能显著超越先前最先进的局部描述子。
引用
@article{arxiv.2203.07003,
title = {MTLDesc: Looking Wider to Describe Better},
author = {Changwei Wang and Rongtao Xu and Yuyang Zhang and Shibiao Xu and Weiliang Meng and Bin Fan and Xiaopeng Zhang},
journal= {arXiv preprint arXiv:2203.07003},
year = {2022}
}