네이버후드 합의 네트워크

우리는 두 이미지 간에 신뢰성 있는 밀도 높은 대응점을 찾는 문제를 다룹니다. 이 작업은 대응하는 장면 요소 간의 강한 외관 차이와 반복 패턴으로 인해 발생하는 모호성 때문에 어려운 과제입니다. 본 연구의 기여는 세 가지로 구분됩니다. 첫째, 반지역 제약 조건을 사용하여 특징 매칭의 모호성을 해소하는 고전적인 아이디어에서 영감을 받아, 두 이미지 간 모든 가능한 대응점의 4차원 공간에서 근방 합의 패턴을 분석하여 공간적으로 일관된 매칭 집합을 식별하는 엔드투엔드 학습 가능한 컨볼루션 신경망 아키텍처를 개발하였습니다(neighborhood consensus patterns). 둘째, 비용이 많이 드는 점대점 대응점의 수동 주석 없이 매칭 및 비매칭 이미지 쌍 형태의 약한 감독 아래에서 모델을 효과적으로 학습할 수 있음을 보였습니다. 셋째, 제안된 근방 합의 네트워크가 범주 수준과 인스턴스 수준 매칭을 포함한 다양한 매칭 작업에 적용될 수 있으며, PF 파스칼 데이터셋과 InLoc 실내 시각적 위치 추정 벤치마크에서 최신 결과를 얻었다는 것을 입증하였습니다.