DKM: 기하학 추정을 위한 밀도 높은 커널화된 특징 매칭

특징 매칭은 3D 장면의 두 이미지 간 대응점을 찾는 어려운 컴퓨터 비전 작업입니다. 본 논문에서는 보다 일반적인 희소 패러다임 대신 밀집 방식을 고려하여 모든 대응점을 찾아내는 것을 목표로 합니다. 직관에 반할 수 있지만, 이전에는 밀집 방법이 두 뷰 기하학 추정에서 희소 및 준희소 방법보다 열등한 성능을 보였습니다. 그러나 우리의 새로운 밀집 방법은 기하학 추정에서 희소 및 밀집 방법 모두를 능가합니다. 이 방법의 혁신성은 세 가지 측면에서 나타납니다: 첫째, 커널 회귀 글로벌 매처를 제안합니다. 둘째, 스택된 특징 맵과 깊이별 합성 커널을 통해 왜곡 정교화를 제안합니다. 셋째, 일관된 깊이와 밀집 신뢰도 맵에 대한 균형 잡힌 샘플링 접근법을 통해 밀집 신뢰도 학습을 제안합니다. 광범위한 실험을 통해 우리가 제안하는 \textbf{D}ense \textbf{K}ernelized \textbf{F}eature \textbf{M}atching(DKFM) 방법이 여러 기하학 추정 벤치마크에서 새로운 최고 수준(SOTA)을 달성함을 확인하였습니다. 특히, MegaDepth-1500 데이터셋에서 이전 최고의 희소 방법과 밀집 방법에 비해 각각 +4.9와 +8.9 AUC$@5^{\circ}$ 개선을 이루었습니다. 우리의 코드는 https://github.com/Parskatt/dkm 에서 제공됩니다.