RANSAC-Flow：通用两阶段图像对齐

Xi Shen; François Darmon; Alexei A. Efros; Mathieu Aubry

RANSAC-Flow：通用两阶段图像对齐

计算机视觉与模式识别 2020-07-20 v2

作者: Xi Shen , François Darmon , Alexei A. Efros , Mathieu Aubry

摘要

本文考虑两幅图像之间密集对齐的通用问题，无论它们是视频的两帧、场景的两个截然不同的视图，还是描绘相似内容的两幅画作等。尽管此类任务通常由特定领域的解决方案来处理，但我们表明，一种简单的无监督方法在一系列任务中表现出了惊人的好效果。我们的主要见解是，参数化和非参数化对齐方法具有互补的优势。我们提出一个两阶段过程：首先，使用一个或多个单应性进行基于特征的参数化粗对齐，随后进行非参数化的精细像素级对齐。粗对齐使用现成的深度特征通过RANSAC执行。精细对齐由深度网络以无监督方式学习，该网络优化两幅图像之间的标准结构相似性度量(SSIM)并加上循环一致性。尽管方法简单，我们的方法在一系列任务和数据集上表现出有竞争力的结果，包括KITTI上的无监督光流、Hpatches上的密集对应、YFCC100M上的双视图几何估计、Aachen Day-Night上的定位，以及首次在Brughel数据集上进行艺术品的精细对齐。我们的代码和数据可在http://imagine.enpc.fr/~shenx/RANSAC-Flow/ 获取。

关键词

图像对齐密集对应 RANSAC 无监督学习光流

引用

@article{arxiv.2004.01526,
  title  = {RANSAC-Flow: generic two-stage image alignment},
  author = {Xi Shen and François Darmon and Alexei A. Efros and Mathieu Aubry},
  journal= {arXiv preprint arXiv:2004.01526},
  year   = {2020}
}

备注

Accepted to ECCV 2020 as a spotlight. Project page: http://imagine.enpc.fr/~shenx/RANSAC-Flow/

RANSAC-Flow：通用两阶段图像对齐

摘要

关键词

引用

备注

相关论文