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↓


スポンサーリンク

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…


スポンサーリンク

関連記事

TensorFlowでCGを微分できる『TensorFlow Graphics』
頭蓋骨からの顔復元と進化過程の可視化
SSD (Single Shot Multibox Detector):ディープラーニングによる一般...
Webスクレイピングの勉強会に行ってきた
Unity ARKitプラグインサンプルのチュートリアルを読む
OpenCVで平均顔を作るチュートリアル
Cartographer:オープンソースのSLAMライブラリ
Python拡張モジュールのWindows用インストーラー配布サイト
WebGL開発に関する情報が充実してきている
Konashiを買った
ディープラーニングに対応したPythonの機械学習ライブラリ『Pylearn2』
第1回 3D勉強会@関東『SLAMチュートリアル大会』
法線マップを用意してCanvas上でShadingするサンプル
3Dグラフィックスの入門書
Pythonのベイズ統計ライブラリ『PyMC』
FacebookがDeep learningツールの一部をオープンソース化
ブログが1日ダウンしてました
AfterEffectsプラグイン開発
YOLO (You Only Look Once):ディープラーニングによる一般物体検出手法
PyDataTokyo主催のDeep Learning勉強会
ZBrushのZScript入門
BlenderでPhotogrammetryできるアドオン
畳み込みニューラルネットワーク (CNN:Convolutional Neural Network)
.NETで使えるTensorFlowライクなニューラルネットワークライブラリ『NeuralNetwo...
Google App Engine上のWordPressでFlickrの画像を貼る
openMVG:複数視点画像から3次元形状を復元するライブラリ
UnrealCLR:Unreal Engineで.NET Coreを利用できるプラグイン
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』
NumSharp:C#で使えるNumPyライクな数値計算ライブラリ
Autodesk Mementoでゴジラを3次元復元する
OpenCVで顔のモーフィングを実装する
C++の機械学習ライブラリ『Dlib』
OpenCVの超解像(SuperResolution)モジュールを試す
MVStudio:オープンソースのPhotogrammetryツール
Pythonの自然言語処理ライブラリ『NLTK(Natural Language Toolkit)』
網元AMIで作ったWordpressサイトのインスタンスをt1microからt2microへ移行した
PyTorch3D:3Dコンピュータービジョンライブラリ
OpenCVのfindEssentialMat関数を使ったサンプルを読んでみる
Super Resolution:OpenCVの超解像処理モジュール
OpenGVのライブラリ構成
Google Chromecast
Mitsuba 2:オープンソースの物理ベースレンダラ

コメント