邻域共识网络

我们致力于解决在一对图像之间寻找可靠密集对应点的问题。这一任务具有挑战性，主要是因为对应场景元素之间的显著外观差异以及由重复模式引起的歧义。本研究的贡献有三个方面。首先，受经典思想启发，即通过半局部约束来消除特征匹配中的歧义，我们开发了一种端到端可训练的卷积神经网络架构，该架构能够在无需全局几何模型的情况下，通过分析所有可能对应关系的4D空间中的邻域共识模式，识别出一组空间上一致的匹配点。其次，我们证明了该模型可以通过弱监督形式（如匹配和非匹配图像对）进行有效训练，而无需耗费大量人力标注点对点的对应关系。最后，我们展示了所提出的邻域共识网络可以应用于多种匹配任务，包括类别级和实例级匹配，并在PF Pascal数据集和InLoc室内视觉定位基准测试中取得了最先进的结果。