Core Concepts
異なるが類似したオブジェクトをマッチングする新しいタスクに対して、高レベルな特徴を活用することで既存の特徴マッチャーを強化し、非同一オブジェクトのマッチングと画像マッチングのロバスト性を向上させる。
Abstract
この研究は、非同一オブジェクトのマッチングに焦点を当てています。異なる環境やドメインでキャプチャされたオブジェクト間でロバストなマッチングを実現するために、高レベルな特徴情報を利用しています。提案手法は、画像コーラプション下での相対位置推定や異なる環境への適応性において効果的であることが示されています。
Introduction
人間は類似したが必ずしも同一ではないオブジェクト間で微細な視覚的対応を見つける能力を持っている。
コンピュータビジョンにおいて、この能力は細かい特徴点間のマッチングが必要とされる。
従来の画像マッチングタスクでは、特定条件下で撮影された同一オブジェクト間のみ扱われてきた。
Proposed Method
高レベルな特徴情報を利用した重み付けモジュールが提案されており、既存の特徴マッチャーを強化して非同一オブジェクト間のマッチングを実現している。
実験結果では、提案手法が画像コーラプション下でも有効であり、ロバスト性が向上していることが示されている。
Related Work
画像マッチングタスクにおけるキーポイント検出やフィーチャーマッチャーに関する先行研究が存在する。
Stats
提案手法はLightGlue [17] や GlueStick [23] のロバスト性向上に成功しました。
平均AUCはLoFTR [36] を超えました。