• Based on Attention and GNN

    • Attention basics
    • GNN basics
    • 分配问题和介绍
    • sinkhorn

总结

  • match匹配两组local特征点寻找匹配&拒绝不可匹配点
  • 求解可微optimal transport问题来解分配问题
  • 用图网络来预测optimal transport 的cost

Formulation

  • 关键点和描述子组成一个local feature (p,d)
  • feature集合定义一张image
  • 预测两张图的匹配矩阵

网络结构

  • attentional GNN
  • optimal matching layer

Attentional GNN

把特征点位置和描述编码成一个问量,通过attention层创建更有表示能力的描述子

关键点编码

位置embed到高维,类似NLP中的位置编码
把描述子和位置编码直接加在一起的特征点信息编码x=d+MLP§,而不是向量连接

Multiplex GNN

两类edge,一个image内的和两个image之间的
用message passing formulation来在这两类edge上传递信息
图网络的输入层node有高维的feature状态(上文说的特征点信息编码x)
图网络的每一层,都会聚合所有edge来的信息,更新每个node的representation
聚合方式为 x=x+MLP(x || m)

Attentional聚合

信息m = ∑ \sum ( α v \alpha v αv),其中a是key-query相似度的softmax(q k)
Key, query. Value都是图神经网络中deep feature的线性投影
q = Wx+b
[k v] = [W1 W2] x + [b1 b2]

注意到W和b对所有keypoints都是一样的。但会考虑multi-head attention

注意一开始x中就编码了key point位置和描述子(appearance )所以信息的传递索引也都考虑了两者

最终的matching descriptor是最后一层feature的线性投影
f = W x + b

Optimal matching layer

创建一个score矩阵并用dustbin扩增,用sinkhorn算法选代找到最优的partial assignment

Score Prediction

定pairwise score为matching descriptor的相似性
S = <f, f>. 注意S是一个矩阵
注意到,原始的描述子是normalize过的,而matching descriptor没有normalize

Occlusion and Visibility

通过扩增Dustin的方式允许不近配的点

Sinkhorn算法

上述优化问题的解是optimal transport between离散分布a和b with score S

  • 要看下匹配问题

Loss

设计上,GNN和optimal matching layer都是可微的,可以从 match backpropagate回visual descriptor
通过有监督的方式,有直值匹配和不匹配点
最小化assignment p 的negative log-likelihood
Loss = - ∑ \sum log P匹配 - ∑ \sum log P不匹配

  • 要看下loss设计思路

Comparison to related work

Todo.实验

2021-06-30 SuperGlue相关推荐

  1. 2021.06.02税收和补贴问题

    2021.06.02税收和补贴问题 (题目来源:洛谷-P1023) 题目描述 每样商品的价格越低,其销量就会相应增大.现已知某种商品的成本及其在若干价位上的销量(产品不会低于成本销售),并假设相邻价位 ...

  2. 百万年薪背后 是人工智能领域泛起的人才泡沫 2017年07月04日 06:30 PingWest 微博 微信 空间 分享 添加喜爱 //d1.sina.com.cn/201706/26/14587

    百万年薪背后 是人工智能领域泛起的人才泡沫 2017年07月04日 06:30 PingWest 微博微信空间分享添加喜爱 (原标题:百万年薪背后 是人工智能领域不断泛起的人才泡沫) 应采访者要求,戴 ...

  3. 2021数学基础30讲扫描版 网盘(里面直接是文档,免费)

    2021数学基础30讲扫描版 网盘(里面直接是文档,无需付费) 考研数学基础(数一二三通用) https://pan.baidu.com/s/1tq_GzdapBpiPxjtu7entEw 提取码:s ...

  4. 2021/10/30的1+X大数据Java答案

    2021/10/30 步骤二 public Member() { }public Member(String name,String pwd,float score,int rank) {this.n ...

  5. 2021.06.03邮票面值设计

    2021.06.03邮票面值设计 题目描述 给定一个信封,最多只允许粘贴 N 张邮票,计算在给定 K(N+K≤15)种邮票的情况下(假定所有的邮票数量都足够),如何设计邮票的面值,能得到最大值 MAX ...

  6. 何杰月c语言课程,11-12(一)东区课表(新)【.06.30】.doc

    11-12(一)东区课表(新)[.06.30] 宁波工程学院2011-2012学年第一学期课程总表(东校区)-经管学院 星期节 次会计08-1,2会计08-3,4国贸08-1,2国贸08-3,4营销0 ...

  7. 2021.1.30课程摘要(逻辑教育-王劲胜)

    2021.1.30课程摘要 逻辑教育-13期-Python基础班-王劲胜 一.集合 二.函数(上) 三.作业讲解 逻辑教育-13期-Python基础班-王劲胜 一.集合 1.集合简介 • 集合表现形式 ...

  8. 2021.03.30【2021省赛】模拟 比赛总结

    2021.03.30[2021省赛]模拟 比赛总结 地址: https://gmoj.net/senior/#contest/home/3350 T1: 神奇纸牌(uno) T2: 凌乱平衡树 (tr ...

  9. Mculover666的博客文章导航(嵌入式宝藏站)(2021.06.17更新)

    一.MCU系列 1. 开发环境 [Keil MDK](一)Keil MDK 5.28 的下载.安装.破解 [Keil MDK](二)Keil MDK中芯片器件包的安装 [Keil MDK](三)Kei ...

  10. 2021.06.06家庭财经系统制作(2)

    show tables; 查看数据库里有什么表命令. 碰到mysql软件问题.比想象的难缠. 用之前的方式打不开黑框(鼠标单击 mysql5.7 ccommand line Client),黑框一闪而 ...

最新文章

  1. 【spring】专项配置文件的使用
  2. 电大计算机应用基础上机考试1200,电大《计算机应用基础上机考试操作题
  3. C++报错无效的预处理命令include_无废话--Mac OS, VS Code 搭建c/c++基本开发环境
  4. IntelliJ IDEA 修改包名
  5. python os.popen.readlines异常_python中执行sed命令操作源文件时出现错误
  6. android虚拟机的垃圾收集
  7. Myeclipse2013下载,安装,破解,介绍(CSDN首发)
  8. Java 运算符及优先级
  9. 2020教育OMO模式落地应用研究报告
  10. [教程]centos下设置网卡
  11. 11月3日云栖精选夜读:《maven实战》读书笔记2——maven安装(windows和eclipse插件)...
  12. 《异构信息网络挖掘: 原理和方法》—— 1.3 本书的内容组织
  13. interpolation algorithm
  14. python os path dirname_python中的os.path.dirname(__file__)的使用
  15. git 小乌龟 配置_git 小乌龟安装教程
  16. ofd文件电子签章实现方法
  17. 无刷舵机、普通舵机等舵机的区别
  18. jQuery写法 入口函数
  19. 开学送给她的礼物(Python实现)
  20. Java mail使用QQ邮箱发送邮件配置方案

热门文章

  1. 小米mix2安兔兔html5跑分,一加5、小米MIX2对比评测:同为骁龙835,谁更值得入手?...
  2. java小光棍数_小光棍数 - NYNU_ACM - 博客园
  3. Comet OJ - 2019六一欢乐赛
  4. Truffle 是什么?
  5. 2021双十一用便签记录超详细攻略
  6. mysql查询分数前三个_MySql根据总成绩查询前三名学生的每科成绩分数
  7. 机缘是个很有趣的东西
  8. python 删除文件、目录_python如何删除文件、目录
  9. java高分局之jstat命令使用
  10. influxdb基础