SiLK——简单学习关键点
计算机视觉与模式识别
2023-04-14 v1
摘要
关键点检测与描述符是图像匹配、3D 重建和视觉里程计等计算机视觉任务的基础技术。Harris 角点、SIFT 和 HOG 描述符等手工设计方法已被使用了数十年；最近，引入学习以改进关键点检测器的趋势日益明显。然而仔细审视后发现，结果难以解释；近期基于学习的方法采用了大量不同的实验设置和设计选择：经验结果通常使用不同的骨干网络、协议、数据集、监督类型或任务来报告。由于这些差异通常相互耦合，这引发了一个自然的问题：什么造就了好的学习型关键点检测器。在本工作中，我们通过解构现有方法并识别关键组件，重新审视了现有关键点检测器的设计。我们从第一性原理重新设计了每个组件，提出了完全可微、轻量且灵活的 Simple Learned Keypoints (SiLK)。尽管其具有简单性，SiLK 在 HPatches 上的检测重复性和单应性估计任务以及 ScanNet 上的 3D 点云配准任务中取得了新的 SOTA，并在 2022 年 Image Matching Challenge 和 ScanNet 的相机位姿估计中取得了与 SOTA 相当的竞争性表现。
引用
@article{arxiv.2304.06194,
title = {SiLK -- Simple Learned Keypoints},
author = {Pierre Gleize and Weiyao Wang and Matt Feiszli},
journal= {arXiv preprint arXiv:2304.06194},
year = {2023}
}