用于局部特征匹配的结构化对极匹配器
计算机视觉与模式识别
2023-04-14 v3
摘要
由于无纹理和重复图案，局部特征匹配具有挑战性。现有方法侧重于使用外观特征和全局交互与匹配，而几何先验在局部特征匹配中的重要性尚未被充分利用。与这些方法不同，本文深入探讨了几何先验的重要性，并提出了用于局部特征匹配的结构化对极匹配器（SEM），其能够以迭代匹配方式利用几何信息。所提模型具有若干优点。首先，我们提出的结构化特征提取器可以建模像素与高置信度锚点之间的相对位置关系。其次，我们提出的对极注意力与匹配可利用对极约束过滤掉无关区域。在五个标准基准上的大量实验结果表明，我们的SEM相比最先进的方法具有优越性能。项目页面：https://sem2023.github.io。
引用
@article{arxiv.2303.16646,
title = {Structured Epipolar Matcher for Local Feature Matching},
author = {Jiahao Chang and Jiahuan Yu and Tianzhu Zhang},
journal= {arXiv preprint arXiv:2303.16646},
year = {2023}
}
备注
Accepted to CVPR Workshop 2023 (Image Matching: Local Features & Beyond). Project Page: https://sem2023.github.io