浙大最新开源RGM | 鲁棒且通用的特征匹配!

浙江大学开源的RGM(Robust Generic Matching)提出了一种通用模型,能同时实现稀疏和稠密匹配。通过级联GRU模块和不确定性估计,RGM解决了联合训练带来的问题,并在多个数据集上表现出优秀的泛化性能,适用于自动驾驶等领域的3D视觉任务。
摘要由CSDN通过智能技术生成

作者:泡椒味的口香糖  | 来源:计算机视觉工坊

在公众号「3D视觉工坊」后台,回复「原论文」可获取论文pdf和代码链接。

添加微信:dddvisiona,备注:相机标定,拉你入群。文末附行业细分群。

0. 笔者个人体会

特征匹配包括稀疏匹配和稠密匹配,这方面的深度模型这两年很多了,效果也都很好。但是同时实现稀疏匹配和稠密匹配的通用模型还比较少,主要是因为联合训练会引入大量噪声,模型架构不好设计。而且相关的训练数据不好找,直接把几个数据集堆一起训练又会出现各种各样的域问题。这里也推荐「3D视觉工坊」新课程

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值