本文介紹的 UCN [1] 能解決的不只是 dense feature descriptor 的問題，並且相較於傳統的 feature descriptor 方法，本文利用類神經網路來產生 feature descriptor，經由實驗證明可以用來解決 semantic correspondence 的問題（比如說能夠配對兩隻鳥的眼睛的特徵點）。
以下為架構圖：
第一部分為 fully convolutional NN，第二部分為 Spatial Transformer 來 normalize 旋轉及 scale，第三部分為 L2 normalization。本文用以下的 loss function 將正樣本與負樣本結合在一起：
前半是讓兩個正樣本的 descriptor 越近越好，後半是希望讓不配對的 descriptor 的距離至少為 m。文中也提到找隨機的負樣本是沒有幫助的；本文用的方法是先找出離對應特徵點最近的點，假如此點與對應點距離夠遠則加入當負樣本。
沒有留言:
張貼留言