SIM2E：对应匹配算法群等变能力的基准测试
计算机视觉与模式识别
2022-08-23 v1 人工智能
摘要
对应匹配是计算机视觉与机器人应用中的基础问题。近来使用神经网络求解对应匹配问题日益增多。旋转等变性与尺度等变性在对应匹配应用中均至关重要。经典对应匹配方法被设计为承受缩放与旋转变换。然而，使用卷积神经网络（CNNs）提取的特征仅在一定程度上具有平移等变性。近来，研究者致力于基于群理论改进 CNNs 的旋转等变性。Sim(2) 是二维平面中相似变换的群。本文提出一个专用数据集，用于评估 sim(2)-等变对应匹配算法。我们比较了 16 种最先进（SoTA）对应匹配方法的性能。实验结果表明群等变算法在各种 sim(2) 变换条件下对对应匹配的重要性。由于基于 CNN 的对应匹配方法所达亚像素精度不尽如人意，该特定领域在未来工作中需更多关注。我们的数据集公开于：mias.group/SIM2E。
引用
@article{arxiv.2208.09896,
title = {SIM2E: Benchmarking the Group Equivariant Capability of Correspondence Matching Algorithms},
author = {Shuai Su and Zhongkai Zhao and Yixin Fei and Shuda Li and Qijun Chen and Rui Fan},
journal= {arXiv preprint arXiv:2208.09896},
year = {2022}
}
备注
ECCV2022 Workshop Paper