跳到正文
热点事件持续更新

论文提出基于频率感知的 Mamba 网络优化两视图匹配

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

针对两视图对应关系学习中的异常值剔除难题,研究人员发布了更新后的 SFMambaNet 架构。该方法通过引入可学习的频域门控滤波器,将匹配对按簇扫描以区分平滑的正确匹配与 erratic 的错误匹配。实验显示,该模型在相机位姿估计、外点去除和单应性估计任务上优于空间域基线且参数更少。核心发现证实了参数化低通滤波器效果更佳,表明频率是描述对应关系一致性的自然语言。

AI 根据报道生成 · 9 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    基于频率感知的 Mamba 用于两视图对应关系学习

    针对两视图对应关系学习中的异常值剔除问题,论文提出了 SFMambaNet。该方法将匹配对按簇扫描以区分平滑的正确匹配与 erratic 的错误匹配,并在前向和反向传播间引入可学习的频域门控滤波器。实验表明,该架构在相机位姿估计、外点去除和单应性估计任务上优于空间域 Mamba 基线,且参数更少;其核心发现是参数化的低通滤波器效果优于同等规模的逐点层,证明了频率是描述对应关系一致性的自然语言。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。