NeuralMarker：一种学习通用标记对应关系的框架
计算机视觉与模式识别
2022-09-20 v1
摘要
我们解决了从通用标记（例如电影海报）到捕获该标记的图像估计对应关系的问题。传统上，该问题通过基于稀疏特征匹配拟合单应性模型来解决。然而，它们只能处理类平面标记，且稀疏特征未充分利用外观信息。在本文中，我们提出了一种新颖的框架 NeuralMarker，训练一个神经网络在各种挑战性条件下（例如标记变形、恶劣光照等）估计密集标记对应关系。此外，我们还提出了一种新颖的标记对应关系评估方法，围绕真实标记-图像对上的标注展开，并创建了一个新基准。我们表明 NeuralMarker 显著优于先前的方法，并实现了新的有趣应用，包括增强现实（AR）和视频编辑。
引用
@article{arxiv.2209.08896,
title = {NeuralMarker: A Framework for Learning General Marker Correspondence},
author = {Zhaoyang Huang and Xiaokun Pan and Weihong Pan and Weikang Bian and Yan Xu and Ka Chun Cheung and Guofeng Zhang and Hongsheng Li},
journal= {arXiv preprint arXiv:2209.08896},
year = {2022}
}
备注
Accepted by ToG (SIGGRAPH Asia 2022). Project Page: https://drinkingcoder.github.io/publication/neuralmarker/