Local Feature Extraction from Salient Regions by Feature Map Transformation

要約

ローカリゼーションや 3D 再構成などの多くのアプリケーションでは、ローカル フィーチャ マッチングが不可欠です。
ただし、さまざまなカメラの視点や照明条件で特徴点を正確に一致させることは困難です。
この論文では、光や視点の変化に関係なく、顕著な局所特徴をロバストに抽出して記述するフレームワークを提案します。
フレームワークは照明の変動を抑制し、構造情報が光からのノイズを無視してエッジに集中するように促します。
暗黙的な特徴マップ情報である特徴共分散行列の要素を 2 つのコンポーネントに分類します。
私たちのモデルは、顕著な領域から特徴点を抽出し、不正確な一致を減らします。
私たちの実験では、提案された方法は、HPatches、Aachen Day-Night、ETH などの公開データセットの最先端の方法よりも高い精度を達成しました。これらは、特に非常に多様な視点と照明を示しています。

要約(オリジナル)

Local feature matching is essential for many applications, such as localization and 3D reconstruction. However, it is challenging to match feature points accurately in various camera viewpoints and illumination conditions. In this paper, we propose a framework that robustly extracts and describes salient local features regardless of changing light and viewpoints. The framework suppresses illumination variations and encourages structural information to ignore the noise from light and to focus on edges. We classify the elements in the feature covariance matrix, an implicit feature map information, into two components. Our model extracts feature points from salient regions leading to reduced incorrect matches. In our experiments, the proposed method achieved higher accuracy than the state-of-the-art methods in the public dataset, such as HPatches, Aachen Day-Night, and ETH, which especially show highly variant viewpoints and illumination.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google