面向有向关键点检测的自监督等变学习

从图像中检测鲁棒的关键点是许多计算机视觉问题的重要组成部分，而关键点的特征方向与尺度对于关键点描述与匹配起着重要作用。现有的基于学习的关键点检测方法依赖于标准的平移等变CNN，但往往难以在几何变化下检测到可靠的关键点。为学习检测鲁棒的有向关键点，我们引入了一种使用旋转等变CNN的自监督学习框架。我们通过对合成变换生成的图像对提出一种稠密方向对齐损失，用于训练基于直方图的方向图。我们的方法在图像匹配基准与相机位姿估计基准上均优于先前的方法。