hloc:SuperGlueで精度を向上させたSfM実装

SfM(Structure from Motion)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。




スポンサーリンク


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:


スポンサーリンク
  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…


スポンサーリンク

関連記事

Qlone:スマホのカメラで3Dスキャンできるアプリ
TeleSculptor:空撮動画からPhotogrammetryするツール
コンピュータビジョンの技術マップ
Google Colaboratoryで遊ぶ準備
MythTV:Linuxでテレビの視聴・録画ができるオープンソースプロジェクト
PCA (主成分分析)
UnityでShaderの入力パラメータとして行列を渡す
TensorSpace.js:ニューラルネットワークの構造を可視化するフレームワーク
まだ続くブログの不調
3分の動画でプログラミングを学習できるサイト『ドットインストール』
Point Cloud Utils:Pythonで3D点群・Meshを扱うライブラリ
Mask R-CNN:ディープラーニングによる一般物体検出・Instance Segmentatio...
OpenCV バージョン4がリリースされた!
Unity MonoBehaviourクラスのオーバーライド関数が呼び出される順番
iPhoneアプリ開発 Xcode 5のお作法
PythonのHTML・XMLパーサー『BeautifulSoup』
iOSデバイスのためのフィジカル・コンピューティングツールキット『konashi(こなし)』
顔追跡による擬似3D表示『Dynamic Perspective』
クラスの基本
Kubric:機械学習用アノテーション付き動画生成パイプライン
CGALDotNet:計算幾何学ライブラリ CGALのC#ラッパー
Fast R-CNN:ディープラーニングによる一般物体検出手法
統計的な顔モデル
Houdiniのライセンスの種類
ROMOハッカソンに行ってきた
UnrealCV:コンピュータビジョン研究のためのUnreal Engineプラグイン
Netron:機械学習モデルを可視化するツール
VCG Library:C++のポリゴン操作ライブラリ
Kinect for Windows V2のプレオーダー開始
WordPressプラグインの作り方
OpenCV 3.3.0-RCでsfmモジュールをビルド
OpenCVの三角測量関数『cv::triangulatepoints』
Blendify:コンピュータービジョン向けBlenderラッパー
OpenCVのバージョン3が正式リリースされたぞ
UnityでOpenCVを使うには?
Cartographer:オープンソースのSLAMライブラリ
UnityのAR FoundationでARKit 3
書籍『OpenCV 3 プログラミングブック』を購入
OpenMVS:Multi-View Stereoによる3次元復元ライブラリ
Python.NET:Pythonと.NETを連携させるパッケージ
顔画像処理技術の過去の研究
SONY製のニューラルネットワークライブラリ『NNabla』

コメント