選択と枝刈り：2ビュー対応学習のための微分可能な因果逐次状態空間モデル

科学分野:

• コンピュータビジョン
• 機械学習

背景:

• 2ビュー対応学習は、画像ペア間の正確な一致を特定します。
• 既存の方法は、実世界のアプリケーションにおける効率性とコンテキスト管理に苦労しています。

研究 の 目的:

• Mambaの選択的情報処理に着想を得た新しい対応フィルタであるCorrMambaを導入すること。
• 2ビュー対応学習の効率と精度を向上させること。

主な方法:

• 真の対応からの適応的な情報マイニングのためのMambaの選択性を活用すること。
• 順序付けられていないキーポイントのためのGumbel-Softmaxベースの因果逐次学習アプローチを実装すること。
• 重要なコンテキストキューのキャプチャのためのローカルコンテキスト強化モジュールを組み込むこと。

主要な成果:

• CorrMambaは、相対姿勢推定と視覚的ローカライゼーションにおいて最先端のパフォーマンスを達成します。
• AUC@20°で prior SOTAを絶対値で2.58パーセンテージポイント上回り、屋外での相対姿勢推定において顕著な改善を示しました。
• 以前の方法と比較して、実用的な優位性と効率性を強調しています。

結論:

• CorrMambaは、2ビュー対応学習のための費用対効果が高く高性能なソリューションを提供します。
• 提案された方法論は、順序付けられていないキーポイントとコンテキスト管理に関する課題を効果的に解決します。
• このフレームワークは、実世界のコンピュータビジョンアプリケーションに強力な可能性を示しています。