Structured Epipolar Matcher for Local Feature Matching

要約

テクスチャがなく繰り返しパターンがあるため、ローカル フィーチャ マッチングは困難です。
既存の方法は、外観の特徴とグローバルな相互作用とマッチングを使用することに焦点を当てていますが、ローカルの特徴のマッチングに先立つジオメトリの重要性は十分に活用されていません。
これらの方法とは異なり、このホワイト ペーパーでは、事前にジオメトリの重要性を掘り下げ、反復的なマッチング方法でジオメトリ情報を活用できるローカル フィーチャ マッチング用の構造化エピポーラ マッチャー (SEM) を提案します。
提案されたモデルにはいくつかのメリットがあります。
まず、提案された構造化特徴抽出器は、ピクセルと信頼性の高いアンカーポイントの間の相対的な位置関係をモデル化できます。
第二に、提案されたエピポーラの注意とマッチングは、エピポーラの制約を利用することにより、無関係な領域を除外できます。
5 つの標準ベンチマークに関する広範な実験結果は、最先端の方法と比較して当社の SEM の優れた性能を示しています。

要約(オリジナル)

Local feature matching is challenging due to the textureless and repetitive pattern. Existing methods foucs on using appearance features and global interaction and matching, while the importance of geometry prior in local feature matching has not been fully exploited. Different from these methods, in this paper, we delve into the importance of geometry prior and propose Structured Epipolar Matcher (SEM) for local feature matching, which can leverage the geometric information in a iterative matching way. The proposed model enjoys several merits. First, our proposed Structured Feature Extractor can model the relative positional relationship between pixels and high-confidence anchor points. Second, our proposed Epipolar Attention and Matching can filter out irrelevant areas by utilizing the epipolar constraint. Extensive experimental results on five standard benchmarks demonstrate the superior performance of our SEM compared to state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google