본 인공지능 논문은 평균 포즈 추정을 위해 클러스터링, 매칭, 로컬 필터링을 동시에 수행하는 그래프 신경망인 ‘SuperGlue’를 제안한다.

서로 다른 각도에서 찍은 동일한 사건의 두 장의 사진이 있다고 상상해보십시오. 두 사진의 많은 것들이 동일합니다. 단지 다르게 볼 뿐입니다. 컴퓨터 비전에서 객체는 가장자리, 모서리 등과 같은 특정 속성을 갖는 것으로 간주됩니다. 일부 응용 프로그램에서는 이러한 기능을 비교하는 것이 매우 중요합니다. 하지만 두 이미지 사이의 모양을 맞추려면 무엇이 필요할까요?

SLAM(Simultaneous Positioning and Mapping) 및 SfM(Structure-from-Motion)과 같은 컴퓨터 비전 애플리케이션에서 3D 구조와 카메라 기능을 비교하려면 이미지 간의 대응 관계를 찾는 것이 중요합니다. 이는 로컬 장면을 비교하여 수행되며 조명, 오클루전, 압축 등의 변화로 인해 달성하기 까다롭습니다.

전통적으로 기능 비교는 두 가지 방법을 사용하여 수행됩니다. 첫째, 그것은 얼굴 단계는 이미지에 시각 효과를 생성합니다. 둘째, 그것은 후단 이 단계에서는 번들 변환 및 근사를 사용하여 추출된 모양을 일치시키는 데 도움을 줍니다. 이 작업이 완료되면 양식이 준비되고 비교가 구분선 문제로 변환됩니다.

다른 모든 영역에서와 마찬가지로 심층 신경망은 최근 몇 년 동안 시뮬레이션 문제에서 중요한 역할을 했습니다. 컨볼루션 신경망(CNN)을 사용하여 데이터에서 효율적인 희소 분석 및 로컬 디스크립터를 학습하는 데 사용되었습니다.

그러나 그것들은 종종 일반적인 문제의 일부이지 최종 해결책이 아닙니다. 단일 신경망이 단일 디자인의 정보를 통합, 비교 및 ​​필터링할 수 있다면 어떨까요? SuperGlue를 시작할 시간입니다.

SuperGlue 방법은 다른 방식으로 비슷한 문제가 있습니다. 신경망을 사용하여 이전 데이터에서 유사한 패턴을 학습합니다. 이것은 작업에 구애받지 않고 학습되고 휴리스틱과 간단한 방법을 사용하여 조정되는 이전의 기존 방법을 대체합니다. 최후의 수단이 되는 SuperGlue는 기존 대안보다 강력한 이점을 제공합니다. SuperGlue는 교육적입니다. 중산층 기존 프로세스를 개선하는 데 사용할 수 있습니다.

그렇다면 SuperGlue는 이를 어떻게 달성할까요? 새 창을 통해 모양이 일치하는 문제를 로컬 개체의 두 부분의 일부로 봅니다. 모양에 맞추기 위해 선형 문제를 해결하는 대신 완벽한 흐름 문제로 취급합니다. SuperGlue는 트래픽 최적화 비용을 예측하는 그래프 신경망(GNN)을 사용합니다.

우리 모두는 변환기가 자연어 처리와 최근에는 컴퓨터 비전 애플리케이션에 얼마나 중요한지 알고 있습니다. SuperGlue는 수정자를 사용하여 값과 시각적 모양 간의 관계를 조정합니다.

SuperGlue는 끝에서 끝까지 가르칩니다. 이 두 이미지는 자습서로 사용됩니다. 이미지 비교의 예는 많은 텍스트 모음에서 학습됩니다. 따라서 SuperGlue는 3D 모양을 이해할 수 있습니다.

SuperGlue는 여러 시야각을 생성하기 위해 높은 수준의 접착력이 필요한 여러 가지 문제에 사용할 수 있습니다. 고가의 하드웨어에서 실시간으로 작동하며 역사 및 교육 목적으로 모두 사용할 수 있습니다. 아래 링크에서 SuperGlue에 대해 자세히 알아볼 수 있습니다.


보다 종이, 프로젝트, 그리고 암호. 이 연구에 대한 모든 크레딧은 이 프로젝트의 연구원에게 돌아갑니다. 또한 가입하는 것을 잊지 마십시오. Reddit 페이지 그리고 디스코드 채널AI 연구, 멋진 AI 프로젝트 등에 대한 최신 뉴스를 공유합니다.


Ekrem Çetinkaya는 B.Sc를 받았습니다. 2018 및 M.Sc. 2019년 Ozyegin University, Istanbul, Türkiye에서. 그는 M.Sc. 깊은 컨벌루션 네트워크를 사용한 이미지 조작에 대한 아이디어. 그는 현재 박사 과정을 밟고 있습니다. 오스트리아 클라겐푸르트 대학교에서 학위를 취득하고 ATHENA 프로젝트 연구원으로 활동합니다. 그의 연구 관심 분야는 딥 러닝, 컴퓨터 비전 및 멀티미디어 네트워크입니다.


Leave a Comment