#450
summarized by : Ryota Suzuki
Reinforced Feature Points: Optimizing Feature Detection and Description for a High-Level Task

どんな論文か?

特徴点マッチングに適した特徴点,特徴量を機械学習で自己組織的に作りたいが,RANSACや幾何的不整合排除など微分できないDeep的にはブラックボックスな操作もある.なので,強化学習してしまおうという提案.強化学習なら結果に対する報酬が設計できれば途中のプロセスは不問.
placeholder

新規性

特徴点マッチングにおいて,強化学習することでDeepでバックプロパゲーションできない操作を飛ばした点.

結果

SoTAのSuperPointに強化学習を混ぜて,H-Patchベンチマークにおいてviewpoint変動,illumination変動それぞれでAUC@5pxで3%向上.

その他(なぜ通ったか?等)