用于视觉地理定位的视角不变稠密匹配
计算机视觉与模式识别
2021-09-22 v1
摘要
本文提出一种基于稠密局部特征且专为视觉地理定位设计的图像匹配新方法。稠密局部特征匹配对照明变化与遮挡具有鲁棒性，但对视角偏移不具备鲁棒性，而视角偏移是地理定位的基本方面。我们的方法称为 GeoWarp，直接在提取稠密特征的过程中嵌入对视角偏移的不变性。这是通过一个可训练模块实现的，该模块从数据中学习对地点识别任务有意义的不变性。我们还设计了一种新的自监督损失和两种新的弱监督损失，以仅使用无标签数据和弱标签来训练该模块。GeoWarp 被高效地实现为一种重排序方法，可轻松嵌入已有的视觉地理定位流程。在标准地理定位基准上的实验验证表明，GeoWarp 提升了最先进检索架构的准确率。代码与训练好的模型可在 https://github.com/gmberton/geo_warp 获取。
引用
@article{arxiv.2109.09827,
title = {Viewpoint Invariant Dense Matching for Visual Geolocalization},
author = {Gabriele Berton and Carlo Masone and Valerio Paolicelli and Barbara Caputo},
journal= {arXiv preprint arXiv:2109.09827},
year = {2021}
}
备注
ICCV 2021