SuperGlue: Learning Feature Matching with Graph Neural Networks 论文解析

本文主要是介绍SuperGlue: Learning Feature Matching with Graph Neural Networks 论文解析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

SuperGlue: Learning Feature Matching with Graph Neural Networks 论文解析

简介

出发点

快速最临近邻搜索(FLANN)算法常常被用于匹配得到最近邻特征点,从而得到图片A和图片B中的特征点的匹配对。但是本文认为,特征点的提取与描述采用复杂的深度学习算法后不再是限制因素,而Naive的匹配方法才是限制其性能的关键点。因此本文在SuperPoint的基础上提出了一种匹配算法,取得了匹配性能的极大改进。

相关工作

  • 经典的局部特征匹配流程

    • 提取特征点
    • 计算视觉描述子
    • 最近邻搜索匹配
    • 滤除不正确的匹配关系(Lowe’s radio test)
    • 计算图片间的几何关系(RANSAC)
  • 基于深度学习的匹配

    • 改进特征点提取方法
    • 改进描述符计算方法
    • 依旧采用传统的最近邻搜索方法
  • 图搜索

图匹配是一个NP-难的问题,其中和特征点匹配等价的问题为最优搬运问题。该问题可采用Sinkhorn算法进行求解。

  • 集合深度学习

难点:特征点的数量和彼此之间的相关关系都是不确定的,难以用传统的卷积方法进行深度学习。

具体的也是参考了一些相关文献,找到了适用于本任务的学习方法

  • TODO
    • [3] [13] [21] [23] [25] [30] [37] [38] [54] [55] [56] [58] [60] [62] [64]

因此,本文的创新点在于:

  • 采用深度学习方法,替换掉传统的最近邻搜索与不正确匹配关系剔除两个步骤
  • 采用基于注意力机制的图卷积神经网络提取特征信息
  • 采用可微分的分配算法,即Sinkhorn算法,得到匹配结果

方法

理解本文需要有如下的基础知识:

  • 图卷积神经网络
  • 注意力机制
  • 最优搬运问题

图卷积神经网络

图卷积神经网络是目前很火的内容,为了理解本文,需要有如下的相关知识,即网络的计算方式。

在这里插入图片描述

  • 图网络分为很多层,和普通卷积网络类似
  • 图网络每一层中有节点和边,节点和边的连接关系不规则
  • 定义卷积操作,即下一层节点的值,为上一层节点连接的所有节点的函数。
    x i n + 1 = f ( x 1 n , x 2 n , x 3 n , ⋯ , x m n ) , x 1 → m 为 所 有 与 i 节 点 关 联 的 节 点 x_i^{n+1} = f(x_1^n,x_2^n,x_3^n,\cdots,x_m^n),x_{1\to m}为所有与i节点关联的节点 xin+1=f(x1n,x2n,x3n,,xmn),x1mi
    • 例如: x 1 2 x_1^2 x12为第二层第一个节点与 x 2 , x 3 x_2,x_3 x2,x3节点相连,因此计算为:
      x 1 2 = f ( x 1 1 , x 3 1 , x 4 1 ) x_1^2 = f(x_1^1,x_3^1,x_4^1) x12=f(x11,x31,x41)
  • 通过定义不同的卷积方法 f f f,得到不同类型的图卷积网络,文中借鉴注意力机制定义了卷积方法。

注意力机制

文中通过注意力机制构建了卷积计算方法,所谓的注意力机制即计算如下的权重,然后进行加权求和。
简化版本为:
A = α 1 x 1 + α 2 x 2 + ⋯ + α m x m A=\alpha_1 x_1 + \alpha_2 x_2 + \cdots + \alpha_m x_m A=α1x1+α2x2++αmxm

其中加权的权重即为注意力的权重,即下一层的信息为上一次相关节点的加权和。

如何确定加权权重呢?注意力机制提出采用查询(query)、关键值(key)以及值(value)机制
在这里插入图片描述

  • 首先对每一个节点计算三个值,即 q , k , v q,k,v q,k,v
    q i = W 1 x i + b 1 k i = W 2 x i + b 2 v i = W 3 x i + b 3 q_i = W_1 x_i + b_1 \\ k_i = W_2 x_i + b_2 \\ v_i = W_3 x_i + b_3 qi=W1xi+b1ki=W2xi+b2vi=W3xi+b3

  • 对每一个节点计算 α j , j \alpha_j,j αj,j为所有连接的节点

  • 计算加权和

最优搬运问题

首先看特征点匹配问题描述。

假设存在特征点集合 A , B A,B A,B,其中每一个点与另一个集合所有点的匹配概率组合成得分矩阵 S S S。因此得分矩阵 S S S定义如下:

S m × n = [ S 11 ⋯ S m 1 ⋮ ⋱ ⋮ S 1 n ⋯ S m n ] S_{m \times n}=\left[\begin{array}{cccc} S_{11} & \cdots & S_{m 1} \\ \vdots & \ddots &\vdots \\ S_{1 n} &\cdots & S_{m n} \end{array}\right] Sm×n=S11S1nSm1Smn
其中, s i , j s_{i,j} si,j A A A中第 i i i个点与 B B B中第 j j j个点的匹配概率。
因此定义如下优化问题:

  • 优化目标
    计算分配矩阵 P P P,使得概率最大(得分最高)
  • 约束条件
    A A A中每个特征点只能匹配 B B B中其中一个特征点或者无匹配

等价于有 A A A集合中的货物,需要搬运到 B B B集合的洞中,一个货物只能放一个洞,一个洞只能放一个货物。

具体的算法参考

网络架构

有了前面的基础,论文中的网络结构则更为容易理解。

主要分为如下几个部分:

  • 关键点位置编码
  • 基于注意力机制的图卷积网络
  • 计算得分矩阵
  • 利用得分矩阵 + 最优搬运问题得到分配矩阵
位置编码

将视觉描述子信息和位置信息融合,但是二者维度不一样,因此中间加了一个MLP网络。
x i = d i + MLP e n c ( p i ) x_i = d_i + \text{MLP}_{enc}(p_i) xi=di+MLPenc(pi)
其中,MLP网络具体如下:

位置编码网络

包括,位置信息 ( x i , y i ) (x_i,y_i) (xi,yi)和当前点得分 s i s_i si

注意力图卷积神经网络
  • L层网络,每一层包含自相关的图结构和互相关的图结构更新参数。

    • Self 层:每个特征点和同一张图片中的其他特征点相连构成图结构
    • Cross 层:每个特征点和另一张图片中的特征点相连构成图结构
  • 提出这样结构的思想在于模拟人匹配特征点的过程,即看一下 A A A本身的结构,然后看一下 B B B对应的特征点,不断的来回看得到匹配结果。
    在这里插入图片描述

  • 每一层网络的更新公式如下

( ℓ + 1 ) x i A = ( ℓ ) x i A + MLP ⁡ ( [ ( ℓ ) x i A ∥ m E → i ] ) { }^{(\ell+1)} \mathbf{x}_{i}^{A}={ }^{(\ell)} \mathbf{x}_{i}^{A}+\operatorname{MLP}\left(\left[{ }^{(\ell)} \mathbf{x}_{i}^{A} \| \mathbf{m}_{\mathcal{E} \rightarrow i}\right]\right) (+1)xiA=()xiA+MLP([()xiAmEi])

其中, ( ℓ ) x i A { }^{(\ell)} \mathbf{x}_{i}^{A} ()xiA为当前层数据, ∣ ∣ || 符号表示两个向量拼接, m E → i \mathbf{m}_{\mathcal{E} \rightarrow i} mEi为注意力更新向量。

根据上面对注意力的解释,其计算方式为:

m E → i = ∑ j : ( i , j ) ∈ E α i j v j \mathbf{m}_{\mathcal{E} \rightarrow i}=\sum_{j:(i, j) \in \mathcal{E}} \alpha_{i j} \mathbf{v}_{j} mEi=j:(i,j)Eαijvj

q i = W 1 ( ℓ ) x i Q + b 1 [ k j v j ] = [ W 2 W 3 ] ( ℓ ) x i S + [ b 2 b 3 ] \begin{aligned} \mathbf{q}_{i} &=\mathbf{W}_{1}^{(\ell)} \mathbf{x}_{i}^{Q}+\mathbf{b}_{1} \\ \left[\begin{array}{c} \mathbf{k}_{j} \\ \mathbf{v}_{j} \end{array}\right] &=\left[\begin{array}{l} \mathbf{W}_{2} \\ \mathbf{W}_{3} \end{array}\right](\ell) \mathbf{x}_{i}^{S}+\left[\begin{array}{l} \mathbf{b}_{2} \\ \mathbf{b}_{3} \end{array}\right] \end{aligned} qi[kjvj]=W1()xiQ+b1=[W2W3]()xiS+[b2b3]

得分矩阵计算

网络得到融合了位置信息以及周围其他特征点信息的描述子向量 x i A , x j B x_i^A,x_j^B xiA,xjB

经过一次全连接得到匹配描述子:
f i A = W ( L ) x i A + b , ∀ i ∈ A \mathbf{f}_{i}^{A}=\mathbf{W}^{(L)} \mathbf{x}_{i}^{A}+\mathbf{b}, \quad \forall i \in \mathcal{A} fiA=W(L)xiA+b,iA

  • 计算得分矩阵:
    S i , j = < f i A , f j B > , ∀ ( i , j ) ∈ A × B \mathbf{S}_{i, j}=<\mathbf{f}_{i}^{A}, \mathbf{f}_{j}^{B}>, \forall(i, j) \in \mathcal{A} \times \mathcal{B} Si,j=<fiA,fjB>,(i,j)A×B
    直接通过内积计算得到得分矩阵

  • 遮挡以及可见性考虑

在这里插入图片描述

和SuperPoint采用类似的策略,额外添加一层,其得分概率为固定值。

  • 若最后分配矩阵将某点和额外添加层匹配,则认为该特征点是没有匹配上的。
最优搬运问题

计算得到得分矩阵后,就调用现成的算法计算得到匹配矩阵 P P P

实验

面向任务的性能评价

  • 单应矩阵估计精度
  • 位姿求解精度

单应估计结果

位姿求解结果


在这里插入图片描述

总结

在SuperPoint论文中的实验结果表明,算法提取得到的特征点重复率要明显优于传统方法,但是经过最近邻搜索算法算法匹配后得到的结果优势不大。因此,个人认为该实验结果是提出本工作的主要原因,即提出更优的匹配算法,提高SuperPoint匹配结果。

本文相较于传统的特征描述子+最优搬运问题,添加了如下信息

  1. 特征点位置信息
  2. 特征点相互之间的信息关联

改进点:

  • 直接在提取特征描述子时考虑位置和相互之间的关联信息 + 最优搬运算法得到匹配结果
  • 直接端到端学习得到匹配结果,而不用分成好几步

这篇关于SuperGlue: Learning Feature Matching with Graph Neural Networks 论文解析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/185972

相关文章

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

Springboot @Autowired和@Resource的区别解析

《Springboot@Autowired和@Resource的区别解析》@Resource是JDK提供的注解,只是Spring在实现上提供了这个注解的功能支持,本文给大家介绍Springboot@... 目录【一】定义【1】@Autowired【2】@Resource【二】区别【1】包含的属性不同【2】@

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

Java并发编程必备之Synchronized关键字深入解析

《Java并发编程必备之Synchronized关键字深入解析》本文我们深入探索了Java中的Synchronized关键字,包括其互斥性和可重入性的特性,文章详细介绍了Synchronized的三种... 目录一、前言二、Synchronized关键字2.1 Synchronized的特性1. 互斥2.

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

Spring MVC使用视图解析的问题解读

《SpringMVC使用视图解析的问题解读》:本文主要介绍SpringMVC使用视图解析的问题解读,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring MVC使用视图解析1. 会使用视图解析的情况2. 不会使用视图解析的情况总结Spring MVC使用视图

利用Python和C++解析gltf文件的示例详解

《利用Python和C++解析gltf文件的示例详解》gltf,全称是GLTransmissionFormat,是一种开放的3D文件格式,Python和C++是两个非常强大的工具,下面我们就来看看如何... 目录什么是gltf文件选择语言的原因安装必要的库解析gltf文件的步骤1. 读取gltf文件2. 提

Java中的runnable 和 callable 区别解析

《Java中的runnable和callable区别解析》Runnable接口用于定义不需要返回结果的任务,而Callable接口可以返回结果并抛出异常,通常与Future结合使用,Runnab... 目录1. Runnable接口1.1 Runnable的定义1.2 Runnable的特点1.3 使用Ru