SC-Net：基于上下文的对应学习改进

发布: 2025年12月29日 13:56

•

1分で読める

分析

本文介绍了SC-Net，一种用于双视图对应学习的新型网络。它通过结合空间和跨通道上下文来解决现有基于CNN的方法的局限性。提出的模块（AFR、BFA、PAR）旨在提高位置感知、鲁棒性和运动场细化，从而在相对姿态估计和异常值去除方面实现更好的性能。源代码的可用性是一个积极的方面。

引用 / 来源

"SC-Net outperforms state-of-the-art methods in relative pose estimation and outlier removal tasks on YFCC100M and SUN3D datasets."

ArXiv2025年12月29日 13:56

* 根据版权法第32条进行合法引用。

Deep classifier kriging for probabilistic spatial prediction of air quality index

Semantic Tree Inference on Text Corpa using a Nested Density Approach together with Large Language Model Embeddings