초록
우리는 컨볼루션 네트워크를 사용하여 형상 일치 문제를 메트릭 학습으로 정식화하였습니다. 이미지 표현의 엔드투엔드 과정을 두 부분으로 나누었습니다. 첫째, 이미지를 에지 맵으로 변환하기 위해 잘 알려진 효율적인 방법들을 선택하였습니다. 둘째, 구조-운동 파이프라인을 통해 자동으로 얻은 랜드마크 이미지의 에지 맵을 사용하여 네트워크를 훈련시켰습니다. 학습된 표현은 다양한 작업에서 평가되었으며, 도메인 일반화, 일반 스케치 기반 이미지 검색 또는 그 세부적인 대응물 등 어려운 사례에서 개선된 결과를 제공하였습니다. 각 작업, 객체 카테고리, 또는 도메인마다 다른 모델을 학습하는 다른 방법들과는 달리, 모든 실험에서 동일한 네트워크를 사용하여 여러 벤치마크에서 최신 수준의 성능을 달성하였습니다.