【CVPR2020-牛津大学】具有自适应邻域一致性的通信网络，Correspondence Networks with Adaptive Neighbourhood Consensus

题目： Correspondence Networks with Adaptive Neighbourhood Consensus

摘要：

在这篇论文中，我们处理的任务是在包含相同类别物体的图像之间建立紧密的视觉对应。这是一个具有挑战性的任务，因为类内部变化很大，并且缺乏密集的像素级注释。我们提出了一种卷积神经网络结构，称为邻域自适应一致网络(ANC-Net)，它可以通过稀疏的关键点注释进行端到端的训练来应对这一挑战。该算法的核心是非各向同性的四维卷积核，构成了邻域自适应一致的鲁棒匹配模块。为了使所学习的特征对类内变化具有鲁棒性，我们还引入了一个简单有效的多尺度自相似模型。此外，我们提出了一种新的正交损失来加强一对一匹配的约束。我们彻底地评估了我们的方法在各种基准上的有效性，在这些基准上，它的性能大大优于最先进的方法。