用于无微调实例验证与检索的拓扑 RANSAC
人工智能
2023-10-11 v1 计算机视觉与模式识别
信息检索
摘要
本文提出了一种增强可解释图像检索的创新方法，特别是在无微调集可用的情形下。广泛使用的空间验证（SP）方法尽管有效，但依赖空间模型与假设检验策略进行实例识别，存在固有局限，包括平面结构假设以及忽略特征间的拓扑关系。为弥补这些不足，我们引入一种在 RANSAC 过程中以拓扑模型替代空间模型的先驱技术。我们提出受生物启发的扫视与中央凹函数来验证特征间的拓扑一致性，有效规避了 SP 空间模型的相关问题。实验结果表明，我们的方法显著优于 SP，在无微调检索中达到最先进性能。此外，当与微调特征结合使用时，我们的方法亦可提升性能。重要的是，我们的方法保持高可解释性且轻量，为多种真实应用提供了实用且可适应的解决方案。
引用
@article{arxiv.2310.06486,
title = {Topological RANSAC for instance verification and retrieval without fine-tuning},
author = {Guoyuan An and Juhyung Seon and Inkyu An and Yuchi Huo and Sung-Eui Yoon},
journal= {arXiv preprint arXiv:2310.06486},
year = {2023}
}