Publication

Beyond Cartesian Representations for Local Descriptors

Pascal Fua, Anastasiia Mishchuk, Patrick Winfried Josef Ebel
2019
Conference Papers

Résumé

The dominant approach for learning local patch descriptors relies on small image regions whose scale must be properly estimated a priori by a keypoint detector. In other words, if two patches are not in correspondence, their descriptors will not match. A strategy often used to alleviate this problem is to "pool" the pixel-wise features over log-polar regions, rather than regularly spaced ones.

Source officielle

https://infoscience.epfl.ch/entities/publication/5553ceaa-49e4-4976-9ef7-f765817260a4

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Beyond Cartesian Representations for Local Descriptors

Chattez avec Graph Search

Aggregating Spatial and Photometric Context for Photometric Stereo

Understanding generalization and robustness in modern deep learning

Incorporating Projective Geometry into Deep Learning