SpaceJAM：一种轻量且无需正则化的快速图像联合对齐方法
计算机视觉与模式识别
2025-05-21 v2
摘要
图像联合对齐 (JA) 的无监督任务面临诸多挑战，如高复杂度、几何畸变以及收敛到差的局部甚至全局最优值的问题。虽然最近的 Vision Transformer (ViT) 为 JA 提供了有价值的特征，但仍不足以完全解决这些问题。因此，研究者经常依赖昂贵的模型和大量的正则化项，导致训练时间延长且调参困难。我们引入空间联合对齐模型 (SpaceJAM)，一种新颖的方法以高效和简单性解决 JA 任务。SpaceJAM 利用仅包含 16K 可训练参数的紧凑架构，独特地无需正则化或图腾维护。在 SPair-71K 和 CUB 数据集上的评估表明，SpaceJAM 在对齐能力上与现有方法相当，同时显著降低计算需求，至少实现 10 倍的加速。SpaceJAM 为快速且有效的图像对齐树立了新标准，使该过程更加可及且高效。我们的代码已公开：https://bgu-cs-vil.github.io/SpaceJAM/。
引用
@article{arxiv.2407.11850,
title = {SpaceJAM: a Lightweight and Regularization-free Method for Fast Joint Alignment of Images},
author = {Nir Barel and Ron Shapira Weber and Nir Mualem and Shahaf E. Finder and Oren Freifeld},
journal= {arXiv preprint arXiv:2407.11850},
year = {2025}
}
备注
Accepted to ECCV 2024