文件名称：GOCor:Pytorch的'GOCor'正式实施
文件大小：4.52MB
文件格式：ZIP
更新时间：2024-04-27 12:07:49
Python
GOCor的正式实施 这是本文的正式实施： 作者： *， *，Luc Van Gool，Radu Timofte [] [] [] 在许多涉及图像对之间密集对应的计算机视觉问题中，特征相关层用作关键的神经网络模块。 它通过评估从两个图像中的成对位置提取的特征向量之间的密集标量积来预测对应量。 但是，当对图像中的多个相似区域进行歧义消除时，这种点对点特征比较是不够的，从而严重影响了最终任务的性能。 这项工作提出了GOCor，一个完全可区分的密集匹配模块，可以直接替代特征相关层。 由我们的模块生成的对应量是内部优化过程的结果，该过程明确考虑了场景中的相似区域。 而且，我们的方法能够有效地学习空间匹配先验以解决进一步的匹配歧义。 还可以在查看我们的相关工作和代码！ 在此仓库中，我们仅提供代码以测试图像对以及GOCor论文中评估的网络的预训练权重。 我们不会发布培训代码。 但是，由
【文件预览】：
GOCor-master
----models()
--------GLUNet()
--------feature_backbones()
--------__init__.py(0B)
--------PWCNet()
--------modules()
----utils_flow()
--------util_optical_flow.py(13KB)
--------flow_and_mapping_operations.py(13KB)
--------pixel_wise_mapping.py(4KB)
--------__init__.py(0B)
----images()
--------eth3d_query.png(283KB)
--------corr_diff_iteration.jpg(681KB)
--------kitti2015_reference.png(703KB)
--------kitti2015_warped_query_image_PWCNet_chairs_things.png(507KB)
--------kitti2015_query.png(707KB)
--------kitti2015_warped_query_image_PWCNet_GOCor_chairs_things.png(499KB)
--------eth3d_reference.png(225KB)
--------eth3d_warped_query_image_GLUNet_dynamic.png(543KB)
--------eth3d_warped_query_image_GLUNet_GOCor_dynamic.png(523KB)
----GOCor()
--------global_corr_initializer.py(10KB)
--------plot_corr.py(11KB)
--------filter_layer.py(10KB)
--------local_correlation()
--------activation.py(4KB)
--------fourdim.py(4KB)
--------distance.py(2KB)
--------local_gocor.py(21KB)
--------global_gocor_modules.py(10KB)
--------optimizer_selection_functions.py(8KB)
--------__init__.py(0B)
--------global_gocor.py(20KB)
----LICENSE(748B)
----requirements.txt(131B)
----.gitignore(66B)
----model_selection.py(6KB)
----README.md(8KB)
----test_models.py(6KB)