エントロピーに着想したスケール適応性とフロー強化による局所的一貫性でローカル特徴マッチングを改善する

概要: 近年のセミデンス画像マッチング手法は目覚ましい成功を収めてきましたが、依然として2つの長年の課題がその性能を妨げています。粗い段階では、相互最近傍（MNN）マッチング層における過剰排除の問題により、画像間のスケール差があるケースを扱うのが困難になっています。そこで本研究では、マッチング機構を徹底的に再検討し、スコア行列に隠されたヒントを利用することでスケール比を示せるという重要な観察を行います。これに基づき、ほとんど無視できるオーバーヘッドしか導入しない、非常に効果的なスケール対応型マッチングモジュールを提案します。細かい段階では、既存手法が最終マッチの局所的一貫性を無視しており、そのことが頑健性を損なっていることを指摘します。そこで、各ソース画素に対する対応関係を独立に予測するのではなく、細かい段階をカスケード型フロー精緻化（refinement）の問題として再定式化し、フローフィールドの局所的一貫性を促す新しい勾配損失を導入します。多数の大規模実験により、提案したこれらの変更を組み込んだ本新しいマッチング・パイプラインが、下流タスクにおいて頑健かつ正確なマッチング性能を達成することが示されます。