초록
지역 아핀 공변 영역 학습 방법이 제시되었습니다. 우리는 기하학적 반복성을 최대화하는 것이 신뢰성 있는 매칭을 이루는 지역 영역, 즉 특징들을 생성하지 않으며, 이로 인해 설명자 기반 학습이 필요하다는 점을 보여주었습니다. 이러한 학습과 등록에 영향을 미치는 요소들인 손실 함수, 설명자 유형, 기하학적 매개변수화 및 매칭 가능성과 기하학적 정확성 사이의 균형 등을 탐구하고, 아핀 영역 학습을 위한 새로운 하드 네거티브-콘스턴트 손실 함수를 제안하였습니다. 하드 네거티브-콘스턴트 손실로 훈련된 아핀 형태 추정기 -- AffNet은 단어 봉투 이미지 검색과 광 베이스라인 스테레오에서 최신 연구 결과를 능가합니다. 제안된 훈련 과정은 정확하게 기하학적으로 정렬된 패치가 필요하지 않습니다. 소스 코드와 훈련된 가중치는 https://github.com/ducha-aiki/affnet에서 제공됩니다.