CV无监督新纪元 | {大幅超越}监督学习，SHIC彻底重塑“关键点检测”游戏规则，强到离谱！

文章预览

打造一个有温度、有趣味、专业的全栈式AI 交流社区， 用心写好每一篇文章！ “   关联在计算机视觉中起着重要作用，它在姿态估计、3D重建、检索、图像和视频编辑等任务中具有广泛的应用场景。 在本文中， 作者考虑了在没有人工监督的情况下学习任何给定类型对象的密集关键点的问题。 关键点识别共同的对象部分，将它们对应起来，并在分析对象的几何形状和姿态时提供关键的抽象。 本文通过利用现成的基础模型自动学习高质量的密集关键点来检验这一假设。 给定一个对象类（例如马或霸王龙）的单个模板网格来定义关键点的索引集，以及给定类的少至1000个掩码示例图像，该算法可以学习到高质量的图像到模板的映射关系。 SHIC将估计图像到模板对应关系的问题简化为使用来自基础模型的特征预测图像到图像对应关系。 通过将对象的图 ………………………………