.png){kind=icon}
返回
CPFormer-Net: Correspondence Pruning Transformer With Structured Context Aggregation
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2025.3636997.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在双视图图像之间寻找可靠对应关系仍然具有挑战性，尤其是在高离群点比率的情况下。尽管现有的基于Transformer的方法在捕获全局上下文方面表现出色，但它们通常难以在输入对应关系中保持鲁棒的长距离语义依赖。为解决这一问题，我们提出了一种新颖的对应关系剪枝Transformer网络，称为CPFormer-Net，该网络通过结构化上下文聚合来增强长距离依赖建模，以实现准确的对应关系剪枝。具体而言，我们提出了CPFormer模块，该模块整合全局上下文与局部几何线索，以确保结构一致性和语义一致性。随后，我们提出了具有双分支架构的语义图网络（SEGN）模块以改进表示。一个分支应用带有代理注意力机制的Structured Context Aggregation（SCA）块，以显式建模长距离依赖，使其能够过滤通道、重新校准特征并引导注意力；而另一个分支则采用池化和归一化操作来保留空间关系。在室内和室外基准测试上的大量实验表明，CPFormer-Net在识别内点和匹配对应关系方面始终优于当前最先进的方法。
Keyword:
Correspondence pruning
long-range dependency modeling
structured context aggregation
期刊
I
IF:
3.9
论文数:
809
被引数:
0
机构
引用论文
Guided Sampling by Neighborhood Information and Matching Scores for Multi-Structure Data基于邻域信息和匹配分数的多结构数据引导采样
PREAI
分享收藏Divide-and-Conquer: Confluent Triple-Flow Network for RGB-T Salient Object Detection分治法：用于RGB-T显著目标检测的融合三流网络
PREAI
分享收藏Zhang, H.; Tang, H.; Sun, Y.; He, S.; Li, Z. Modality-Specific Interactive Attack for Vision-Language Pre-Training Models. IEEE Trans. Inf. Forensics Secur. 2025, 20, 5663–5677. [Google Scholar] [CrossRef]张, H.; 汤, H.; 孙, Y.; 何, S.; 李, Z. 模态特定的交互式攻击针对视觉-语言预训练模型. IEEE Trans. Inf. Forensics Secur. 2025, 20, 5663–5677. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容