S2DNet：面向稀疏到稠密特征匹配的精确对应关系学习
计算机视觉与模式识别
2020-04-06 v1
摘要
建立鲁棒且精确的对应关系是许多计算机视觉算法的基础支撑。尽管近期基于学习的特征匹配方法在挑战性条件下提供鲁棒对应关系方面展现出了可喜的结果，但它们在精度上往往存在局限。在本文中，我们提出了 S2DNet，一种新颖的特征匹配流程，旨在通过专门设计与训练来高效地建立既鲁棒又精确的对应关系。通过利用稀疏到稠密的匹配范式，我们将对应关系学习问题转化为一个监督分类任务，以学习输出具有高峰值的对应图。我们表明，S2DNet 在 HPatches 基准测试以及多个长期视觉定位数据集上均取得了 SOTA 结果。
引用
@article{arxiv.2004.01673,
title = {S2DNet: Learning Accurate Correspondences for Sparse-to-Dense Feature Matching},
author = {Hugo Germain and Guillaume Bourmaud and Vincent Lepetit},
journal= {arXiv preprint arXiv:2004.01673},
year = {2020}
}