ReF——用于局部特征匹配的旋转等变特征
计算机视觉与模式识别
2022-03-11 v1 机器人学
摘要
稀疏局部特征匹配对许多计算机视觉与机器人任务至关重要。为提升其对挑战性外观条件与视角的不变性从而增强实用性，现有基于学习的方法主要聚焦于基于数据增强的训练。在本工作中，我们提出一种替代且互补的方法，其核心在于在模型架构本身中引入偏置，利用 Steerable E2-CNNs 生成“旋转特定”特征，再经群池化获得旋转不变局部特征。我们证明，可转向 CNN 的高性能旋转特定覆盖可通过与具有更广覆盖但常不精确的增强训练标准 CNN 结合，扩展至所有旋转角，从而构建最先进的旋转鲁棒局部特征匹配器。我们在 HPatches 与新提出的 UrbanScenes3D-Air 数据集上针对已有技术基准测试了所提方法。此外，我们详细分析了集成、鲁棒估计、网络架构变体及旋转先验使用的性能影响。
引用
@article{arxiv.2203.05206,
title = {ReF -- Rotation Equivariant Features for Local Feature Matching},
author = {Abhishek Peri and Kinal Mehta and Avneesh Mishra and Michael Milford and Sourav Garg and K. Madhava Krishna},
journal= {arXiv preprint arXiv:2203.05206},
year = {2022}
}