专栏首页arxiv.org翻译专栏基于图卷积网络的运动结构图像检索(CS CV)
原创

基于图卷积网络的运动结构图像检索(CS CV)

用于运动结构(SfM)的常规图像检索技术受到有效识别重复模式的局限,无法保证以高精度和高召回率创建足够的匹配对。在本文中,我们提出了一种基于图卷积网络(GCN)的新检索方法,该方法可生成精确的成对匹配而不会造成太多冗余。我们将图像检索任务表述为图形数据中的节点二进制分类问题:如果表现出节点与查询图像重叠的场景,则将其标记为正。关键想法是,我们发现查询图像周围特征空间中的局部上下区域包含有关此图像与其邻近物之间可匹配关系的丰富信息。通过围绕查询图像构造一个子图作为输入数据,我们采用可学习的GCN来探索子图中的节点是否与查询照片具有重叠的区域。实验表明,我们的方法在具有高度歧义性和重复场景的具有挑战性的数据集上表现出色。此外,与最新的可匹配检索方法相比,所提出的方法显着减少了无用的尝试匹配,而不会牺牲重建的准确性和完整性。

原文题目:Image Retrieval for Structure-from-Motion via Graph Convolutional Network

原文:Conventional image retrieval techniques for Structure-from-Motion (SfM) suffer from the limit of effectively recognizing repetitive patterns and cannot guarantee to create just enough match pairs with high precision and high recall. In this paper, we present a novel retrieval method based on Graph Convolutional Network (GCN) to generate accurate pairwise matches without costly redundancy. We formulate image retrieval task as a node binary classification problem in graph data: a node is marked as positive if it shares the scene overlaps with the query image. The key idea is that we find that the local context in feature space around a query image contains rich information about the matchable relation between this image and its neighbors. By constructing a subgraph surrounding the query image as input data, we adopt a learnable GCN to exploit whether nodes in the subgraph have overlapping regions with the query photograph. Experiments demonstrate that our method performs remarkably well on the challenging dataset of highly ambiguous and duplicated scenes. Besides, compared with state-of-the-art matchable retrieval methods, the proposed approach significantly reduces useless attempted matches without sacrificing the accuracy and completeness of reconstruction.

原文作者:Shen Yan, Yang Pen, Shiming Lai, Yu Liu, Maojun Zhang

原文地址:https://arxiv.org/abs/2009.08049

[基于图卷积网络的运动结构图像检索(CS CV).pdf]

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 基于双眼视觉的高精度无人机目标定位系统(CS CV)

    在工作过程中,无人驾驶车辆常常需要高精度地定位目标。在无人材料搬运车间中,无人车辆需要对工件进行高精度的姿态估计以准确地抓住工件。在此背景下,本文提出了一种基于...

    gaowanting
  • 脑机接口与神经资本主义的危险(CS HC)

    我们回顾了现有趋势与讨论脑机接口及其将产生的数据之间的关系。然后我们设想了大脑计算机接口技术的成熟如何影响称为神经资本主义的神经数据交易。我们探索这将如何对我们...

    gaowanting
  • 使用感官时间提示启用无监督多模式元学习(CS CV)

    随着来自IoT(物联网)传感器的数据变得无处不在,最先进的机器学习算法在直接使用传感器数据方面面临许多挑战。为了克服这些挑战,必须设计方法来直接从传感器学习,而...

    gaowanting
  • nano:基本操作

    JNingWei
  • Fix Notification Switching Position Issue

    I once faced with a problem. I wrote a piece of code related with notifcation. E...

    技术小黑屋
  • WashU EpiGenome Browser使用教程

    WashU EpiGenome Browser 是我用过最赞的浏览器,没有之一。希望大伙跟着教程好好学习下! 还有更多教程见:http://epigenomeg...

    生信技能树
  • 循环热管的动态状态空间建模与基于模型的控制设计(CS SY)

    对于航空航天、汽车或服务器系统中电子元件的热控制,散热器通常远离热源。因此,热传导系统是有效冷却电子元件所必需的。循环热管(LHPs)就是这样的传热系统,它利用...

    用户6853689
  • 安全与隐私(CS CR)

    线性查询可以提交到包含专用数据的服务器。服务器使用加性噪声对系统破坏的查询提供响应,以保护其数据存储在服务器上的用户的隐私。隐私的度量与费希尔信息矩阵的轨迹成反...

    WEIIILII
  • 有限闭包系统中的极大闭集和半空间分离(CS AI)

    研究了抽象闭包系统中闭集和半空间分离的一些算法性质。假设基础闭包系统是有限的,并由相应的闭包算子给出,证明了半空间分离问题是np完全的。与此相反,对于极大闭集分...

    RockNPeng
  • CC1310空中升级笔记03 CC1350_BLE_OAD_Project0

    如果打不开这个TI的链接,我上传了整个网页,http://download.csdn.net/detail/iotisan/9750301。

    twowinter

扫码关注云+社区

领取腾讯云代金券