三维几何引导蒸馏特征匹配
发布时间：
2023-02-27
建立重叠图像之间的对应关系对于许多计算机视觉任务至关重要，比如运动推断结构(SfM)、视觉定位与建图(SLAM)、视觉定位等。而大多数解决该问题的现有方法遵循经典的三阶段流程，即特征检测、特征描述和特征匹配。为了提高效率，有些人使用Hloc将这些匹配技术用于视觉定位。有些则尝试避免检测步骤，并通过考虑来自规则网格的所有点来建立密集匹配。这些密集匹配方法旨在提供低纹理区域中的兴趣点，并为匹配目的提供足够的候选。
现有的建立重叠图像对应关系的方法都没有在训练阶段探索深度模态分布，与RGB图像不同，深度图提供3D信息，以明确的方式描述几何分布。文中引入深度模态分布的方法可以提供双重好处。首先，深度信息可以消除2D图像空间中的许多模糊，并增强特征匹配的几何一致性，这在仅使用RGB输入时非常困难。当图像对中存在多个类似对象时，这尤其如此。在这种情况下，大多数现有方法倾向于寻找不可信的匹配候选，因为它们纯粹区分2D描述符，而没有深度或大小知识。图1.1的第一行中示出了一个示例，其中基线方法被类似的2D外观混淆，并且错误地将较近的椅子与另一个椅子匹配。
上一条： 几何为什么叫几何
热门资讯
