【泡泡一分钟】学习多视图相似度(ICCV-2017)

每天一分钟，带你读遍机器人顶级会议文章

标题：Learned Multi-Patch Similarity

作者：Wilfried Hartmann, Silvano Galliani, Michal Havlena, Luc Van Gool, Konrad Schindler

来源：International Conference on Computer Vision (ICCV 2017)

编译：王嫣然

审核：颜青松 陈世浪

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

从场景的多个视图估计深度图是计算机视觉中的基本任务。若有两个以上的视图可用，就会面临一个常见的问题，即如何测量两个以上图像块之间的相似性。然而，现阶段没有直接解决该问题的方案，通常的做法是回归到使两视图相似性稳定的平均值。

受到机器学习，特别是卷积神经网络成功的影响，本文提出学习一种匹配函数，该函数直接将多个图像块映射到标量相似度得分。在几个多视图数据集上的实验表明，该方法优于基于成对视图块相似性的方法。

图1 本文所提出的的网络架构有5个分支，输入为5个图像块，输出为用于选择正确深度值的相似度得分。

图2 三种不同方法实验深度图对比

Abstract    

Estimating a depth map from multiple views of a scene is a fundamental task in computer vision. As soon as more than two viewpoints are available, one faces the very basic question how to measure similarity across >2 image patches. Surprisingly, no direct solution exists, instead it is common to fall back to more or less robust averaging of two-view similarities. Encouraged by the success of machine learning, and in particular convolutional neural networks, we propose to learn a matching function which directly maps multiple image patches to a scalar similarity score. Experiments on several multi-view datasets demonstrate that this approach has advantages over methods based on pairwise patch similarity.

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号（paopaorobot_slam）。

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/forums/

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com