E3CM: Epipolar-Constrained Cascade Correspondence Matching

要約

正確かつ堅牢な対応マッチングは、さまざまな 3D コンピュータ ビジョン タスクにとって最も重要です。
ただし、従来の明示的プログラミング ベースの手法では、困難なシナリオの処理に苦労することが多く、深層学習ベースの手法では、ネットワーク トレーニング用に適切にラベル付けされた大規模なデータセットが必要です。
この記事では、これらの制限に対処する新しいアプローチである Epipolar-Constrained Cascade Correspondence (E3CM) を紹介します。
従来の方法とは異なり、E3CM は、ネットワークのトレーニングや微調整のための注釈付きデータを必要とせずに、事前トレーニングされた畳み込みニューラル ネットワークを活用して対応関係を照合します。
私たちの方法では、エピポーラ制約を利用して照合プロセスをガイドし、照合を段階的に改良するためのカスケード構造を組み込んでいます。
私たちは包括的な実験を通じて E3CM の性能を徹底的に評価し、既存の手法に対する E3CM の優位性を実証します。
さらなる研究を促進し、再現性を容易にするために、ソース コードを https://mias.group/E3CM で公開します。

要約(オリジナル)

Accurate and robust correspondence matching is of utmost importance for various 3D computer vision tasks. However, traditional explicit programming-based methods often struggle to handle challenging scenarios, and deep learning-based methods require large well-labeled datasets for network training. In this article, we introduce Epipolar-Constrained Cascade Correspondence (E3CM), a novel approach that addresses these limitations. Unlike traditional methods, E3CM leverages pre-trained convolutional neural networks to match correspondence, without requiring annotated data for any network training or fine-tuning. Our method utilizes epipolar constraints to guide the matching process and incorporates a cascade structure for progressive refinement of matches. We extensively evaluate the performance of E3CM through comprehensive experiments and demonstrate its superiority over existing methods. To promote further research and facilitate reproducibility, we make our source code publicly available at https://mias.group/E3CM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google