SfM(Structure from Motion)系の話題。
機械学習で特徴点マッチングの精度を向上させたSuperGlueをSfMに利用した実装が公開されている↓
hloc – the hierarchical localization toolbox
hlocは、state-of-the-artな6-DoF visual localization用モジュラーツールボックスです。
hlocはHierarchical Localizationや画像の検索の活用、特徴マッチングを実装しており、高速・正確でスケーラブルです。
このコードベースは、CVPR 2020の屋内/屋外のlocalization challengeで優勝しました。SuperGlueとは特徴マッチングのためのグラフニューラルネットワークです。
hlocを使えば、以下のことが可能です:
- CVPR 2020の優勝結果を屋外(Aachen)、屋内(InLoc)データセットで再現
- 独自のデータセットでSuperPoint + SuperGlueのStructure-from-Motionを実行してローカライズ
- 独自のデータをvisual localizationするために局所特徴量や画像検索について評価
- 新しいローカリゼーションのパイプラインを実装し、手軽にデバッグする 🔥
Installationを見ると、PyTorchとCOLMAPのPythonバインディングpycolmapを使うらしい。

つまりどういうプロセスで動くのか、General pipelineを読んでみる↓
General pipeline
hlocは複数のscriptで構成されており、大まかに以下のステップの処理を行います:
- データセット、クエリ画像全てのSuperPoint局所特徴量を抽出する
- リファレンス用の3D SfMモデルを構築する
- 検索または以前のSfMモデルを使用し、データベース画像の対応関係を見つける
- SuperGlueでデータベースのペアをマッチングさせる
- COLMAPを使用して新しいSfMモデルを三角測量する
- 検索によって、各クエリに関連するデータベース画像を見つける
- SuperGlueでクエリ画像をマッチングさせる
- ローカリゼーションを実行する
- 可視化とデバッグ
ローカリゼーション処理については、visuallocalization.netのデータセットで評価できます。屋内データセットInLocなどの3D Lidarスキャンが利用可能な場合、手順2.はスキップできます。
hlocのアーキテクチャ:
hloc/*.py:最上位階層(top-level)のscripthloc/extractors/:特徴抽出のインターフェイスhloc/matchers/:特徴マッチングのインターフェイス
SuperGlueは第三回 全日本コンピュータビジョン勉強会(前編)で@yu4uこと内田祐介さんが発表してたやつだ。
SuperGlue
CVPR 2020網羅的サーベイのSuperGlueのページ↓
http://xpaperchallenge.org/cv/survey/cvpr2020_summaries/338
まだGNN(Graph Neural Network)について知識不足…
関連記事
プログラムによる景観の自動生成
ManuelBastioniLAB:人体モデリングできるBl...
HerokuでMEAN stack
池袋パルコで3Dのバーチャルフィッティング『ウェアラブル ク...
Google Colaboratoryで遊ぶ準備
OpenCVでPhotoshopのプラグイン開発
Kornia:微分可能なコンピュータービジョンライブラリ
MythTV:Linuxでテレビの視聴・録画ができるオープン...
3Dモデルを立体視で確認できるVRアプリを作っている
Accord.NET Framework:C#で使える機械学...
定数
OpenMVS:Multi-View Stereoによる3次...
OpenCV 3.3.0-RCでsfmモジュールをビルド
PCA (主成分分析)
OpenAR:OpenCVベースのマーカーARライブラリ
SDカードサイズのコンピューター『Intel Edison』
『手を動かしながら学ぶエンジニアのためのデータサイエンス』ハ...
OpenCVでカメラ画像から自己位置認識 (Visual O...
書籍『イラストで学ぶ ディープラーニング』
UnrealCV:コンピュータビジョン研究のためのUnrea...
Amazon Web ServicesでWordPress
科学技術計算向けスクリプト言語『Julia』
MVStudio:オープンソースのPhotogrammetr...
NumSharp:C#で使えるNumPyライクな数値計算ライ...
2D→3D復元技術で使われる用語まとめ
Boost オープンソースライブラリ
法線マップを用意してCanvas上でShadingするサンプ...
Raspberry Pi 2を買いました
Amazon EC2ログイン用の秘密鍵を無くした場合の対処方...
Polyscope:3Dデータ操作用GUIライブラリ
Pythonの自然言語処理ライブラリ『NLTK(Natura...
iOSデバイスと接続して連携するガジェットの開発方法
OpenCVで顔のモーフィングを実装する
顔画像処理技術の過去の研究
Unityで画面タッチ・ジェスチャ入力を扱う無料Asset『...
ブラウザ操作自動化ツール『Selenium』を試す
AfterEffectsプラグイン開発
書籍『ゼロから作るDeep Learning』で自分なりに学...
「ベンジャミン·バトン数奇な人生」でどうやってCGの顔を作っ...
pythonの機械学習ライブラリ『scikit-learn』
Active Appearance Models(AAM)
3D Gaussian Splatting:リアルタイム描画...


コメント