hloc:SuperGlueで精度を向上させたSfM・Visual Localization

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 🔥



Hierachical Localizationには、画像検索と特徴マッチングの両方を使用します。

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:

  1. 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
  2. リファレンス用の3D SfMモデルを構築する
    1. 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
    2. SuperGlueでデータベースのペアをマッチングさせる
    3. COLMAPを使用して新しいSfMモデルを三角測量する
  3. 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
  4. SuperGlueでクエリ画像をマッチングさせる
  5. ローカリゼーションを実行する
  6. 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script
  • hloc/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第三回 全日本コンピュータビジョン勉強会(前編)@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

Kornia:微分可能なコンピュータービジョンライブラリ

Fast R-CNN:ディープラーニングによる一般物体検出手法

第25回コンピュータビジョン勉強会@関東に行って来た

Amazon Web ServicesでWordPress

viser:Pythonで使える3D可視化ライブラリ

iOSで使えるJetpac社の物体認識SDK『DeepBelief』

2D→3D復元技術で使われる用語まとめ

OpenCVで顔のモーフィングを実装する

ポイントクラウドコンソーシアム

オープンソースの取引プラットフォーム

UnityでOpenCVを使うには?

Boost オープンソースライブラリ

WebGL開発に関する情報が充実してきている

OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる

Unity Scriptコーディング→Unreal Engine Scriptコーディング

マルコフ連鎖モンテカルロ法

SONY製のニューラルネットワークライブラリ『NNabla』

Caffe:読みやすくて高速なディープラーニングのフレームワーク

為替レートの読み方 2WAYプライス表示

U-Net:ディープラーニングによるSemantic Segmentation手法

KelpNet:C#で使える可読性重視のディープラーニングライブラリ

OpenCV 3.1から追加されたSfMモジュール

iOSデバイスと接続して連携するガジェットの開発方法

HD画質の無駄遣い

OpenCV バージョン4がリリースされた!

全脳アーキテクチャ勉強会

Python.NET:Pythonと.NETを連携させるパッケージ

Raspberry PiでIoTごっこ

オープンソースの物理ベースレンダラ『Mitsuba』をMayaで使う

書籍『3次元コンピュータビジョン計算ハンドブック』を購入

書籍『ROSプログラミング』

UnityのTransformクラスについて調べてみた

JavaScriptとかWebGLとかCanvasとか

HerokuでMEAN stack

科学技術計算向けスクリプト言語『Julia』

オープンソースのロボットアプリケーションフレームワーク『ROS (Robot Operating S...

3Dスキャンに基づくプロシージャルフェイシャルアニメーション

顔検出・認識のAPI・ライブラリ・ソフトウェアのリスト

geometry3Sharp:Unity C#で使えるポリゴン操作ライブラリ

書籍『OpenCV 3 プログラミングブック』を購入

3D復元技術の情報リンク集

Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ

コメント