Unsupervised Deep Graph Matching Based on Cycle Consistency

要約

画像内のキーポイントマッチングへの応用により、教師なしディープグラフマッチングの人口まばらな領域に貢献します。
標準の \emph{教師付き} アプローチとは異なり、私たちの方法ではキーポイント ペア間のグラウンド トゥルースの対応は必要ありません。
代わりに、同じオブジェクト カテゴリの画像間のマッチングの一貫性を強制することで自己監視されます。
マッチングと一貫性の損失は離散的であるため、それらの導関数を学習に直接使用することはできません。
私たちは、組み合わせソルバーのブラックボックス微分に関する最近の結果に基づいてメソッドを構築することで、原則的な方法でこの問題に対処します。
これにより、任意のネットワーク アーキテクチャや組み合わせソルバーと互換性があり、この方法が非常に柔軟になります。
私たちの実験的評価は、私たちの技術が教師なしグラフマッチングの新しい最先端を確立することを示唆しています。

要約(オリジナル)

We contribute to the sparsely populated area of unsupervised deep graph matching with application to keypoint matching in images. Contrary to the standard \emph{supervised} approach, our method does not require ground truth correspondences between keypoint pairs. Instead, it is self-supervised by enforcing consistency of matchings between images of the same object category. As the matching and the consistency loss are discrete, their derivatives cannot be straightforwardly used for learning. We address this issue in a principled way by building our method upon the recent results on black-box differentiation of combinatorial solvers. This makes our method exceptionally flexible, as it is compatible with arbitrary network architectures and combinatorial solvers. Our experimental evaluation suggests that our technique sets a new state-of-the-art for unsupervised graph matching.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google