Structured Epipolar Matcher for Local Feature Matching

要約

タイトル：Structured Epipolar Matcher for Local Feature Matching

要約：
– テクスチャレスまたは繰り返しパターンのため、ローカルフィーチャーマッチングは挑戦的な問題である。
– 現存する方法は表現特徴やグローバル相互作用とマッチングに注力しており、ローカルフィーチャーマッチングにおいて幾何学的事前条件の重要性が十分に活用されていない。
– 本論文では、幾何学的事前条件の重要性に掘り下げ、イテレーションマッチング的な手法で幾何情報を活用できるStructured Epipolar Matcher（SEM）を提案する。
– 提案モデルにはいくつかの利点がある。Structured Feature Extractorは、ピクセルと高信頼アンカーポイントの相対的な位置関係をモデリングできる。Epipolar Attention and Matchingでは、エピポーラ制約を利用して関連しない領域をフィルタリングできる。
– 5つの標準ベンチマークでの大規模な実験結果は、状態-of-the-artメソッドと比較して、私たちのSEMの優れたパフォーマンスを示しています。プロジェクトページ：https：//sem2023.github.io。

要約(オリジナル)

Local feature matching is challenging due to textureless and repetitive patterns. Existing methods focus on using appearance features and global interaction and matching, while the importance of geometry priors 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 an 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. Project page: https://sem2023.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI