SFMambaNet:频率感知Mamba用于双视图对应学习
热点事件持续更新
SFMambaNet:频率感知Mamba用于双视图对应学习
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Zhihua Wang 等在 arXiv 修订版论文(arXiv:2606.04493v2)中提出 SFMambaNet,用于双视图对应学习中的对应点剔除。该方法按簇扫描候选匹配,使正确匹配沿序列变化缓慢而错误匹配保持无序,并利用前向与反向传递之间的可学习频域门控过滤扫描后的特征。 论文实验显示,该方法在相机位姿估计、外点剔除和单应性估计上优于约 200 万参数规模的空间域 Mamba 基线。作者还报告:实验中发现无参数低通滤波器优于同等规模的逐点层,且学习到的门控会自发转为低通,使扫描对匹配顺序打乱不敏感。
AI 根据报道生成 · 34 分钟前更新
最新进展11月18日 13:00
SFMambaNet:面向双视图对应学习的频率感知 Mamba报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AISFMambaNet:面向双视图对应学习的频率感知 Mamba
研究者提出 SFMambaNet,按簇扫描候选匹配并用前向与反向传递之间的可学习频域门控过滤特征,用于双视图对应学习(对应点剔除)。该方法在相机位姿估计、外点剔除和单应性估计上优于约 200 万参数规模的空间域 Mamba 基线。实验还发现无参数低通滤波器优于同等规模的逐点层,学习到的门控会自发转为低通,使扫描对匹配顺序打乱不敏感。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。