P2-Net：用于像素与点匹配的局部特征联合描述与检测
计算机视觉与模式识别
2021-07-30 v2
摘要
准确描述和检测 2D 与 3D 关键点对于建立图像与点云间的对应至关重要。尽管已提出大量基于学习的 2D 或 3D 局部特征描述符和检测器，但推导一个直接匹配像素与点的共享描述符和联合关键点检测器仍未被学界充分探索。本工作率先建立 2D 图像与 3D 点云间的细粒度对应。为直接匹配像素与点，提出一种双全卷积框架，将 2D 和 3D 输入映射到共享潜在表示空间，以同时描述和检测关键点。此外，设计了一种超宽感受机制结合新颖损失函数，以缓解像素与点局部区域间的内在信息差异。大量实验结果表明，我们的框架在图像与点云间的细粒度匹配上表现出有竞争力的性能，并在室内视觉定位任务上取得最先进结果。我们的源代码将发布于 [no-name-for-blind-review]。
引用
@article{arxiv.2103.01055,
title = {P2-Net: Joint Description and Detection of Local Features for Pixel and Point Matching},
author = {Bing Wang and Changhao Chen and Zhaopeng Cui and Jie Qin and Chris Xiaoxuan Lu and Zhengdi Yu and Peijun Zhao and Zhen Dong and Fan Zhu and Niki Trigoni and Andrew Markham},
journal= {arXiv preprint arXiv:2103.01055},
year = {2021}
}
备注
ICCV 2021