MatchBox: Indoor Image Matching via Box-like Scene Estimation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F15%3A00223267" target="_blank" >RIV/68407700:21230/15:00223267 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/3DV.2014.56" target="_blank" >http://dx.doi.org/10.1109/3DV.2014.56</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/3DV.2014.56" target="_blank" >10.1109/3DV.2014.56</a>

Jazyk výsledku

angličtina

Název v původním jazyce

MatchBox: Indoor Image Matching via Box-like Scene Estimation

Popis výsledku v původním jazyce

Keypoint matching in images of indoor scenes traditionally employs features like SIFT, GIST and HOG. While features work very well for two images related to each other by small camera transformations, we commonly observe a drop in performance for patchesrepresenting scene elements visualized from a very different perspective. Since increasing the space of considered local transformations for feature matching decreases their discriminative abilities, we propose a more global approach inspired by the recent success of monocular scene understanding. In particular we propose to reconstruct a box-like model of the scene from every single image and use it to rectify images before matching. We show that a monocular scene model reconstruction and rectification preceding standard feature matching significantly improves keypoint matching and dramatic ally improves reconstruction of difficult indoor scenes.

Název v anglickém jazyce

MatchBox: Indoor Image Matching via Box-like Scene Estimation

Popis výsledku anglicky

Keypoint matching in images of indoor scenes traditionally employs features like SIFT, GIST and HOG. While features work very well for two images related to each other by small camera transformations, we commonly observe a drop in performance for patchesrepresenting scene elements visualized from a very different perspective. Since increasing the space of considered local transformations for feature matching decreases their discriminative abilities, we propose a more global approach inspired by the recent success of monocular scene understanding. In particular we propose to reconstruct a box-like model of the scene from every single image and use it to rectify images before matching. We show that a monocular scene model reconstruction and rectification preceding standard feature matching significantly improves keypoint matching and dramatic ally improves reconstruction of difficult indoor scenes.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/TA02011275" target="_blank" >TA02011275: ATOM - Automatické trojdimenzionální monitorování terénu</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

3DV 2014: International Conference on 3D Vision

ISBN

978-1-4799-7001-8

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

705-712

Název nakladatele

IEEE Computer Society Press

Místo vydání

Los Alamitos

Místo konání akce

Tokyo

Datum konání akce

8. 12. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—