BRIEF: Binary Robust Independent Elementary Features 鈴木豊和著者紹介 Michael Calonder Vincent Lepetit Christoph Strecha Pascal Fua • 所属 – ローザンヌ工科大学 (スイス) 2 アプリケーション 3次元復元 Augmented Reality 大量のデータをリアルタイムに処理 + に処理モバイル端末上でリアルタイム高速に記述，マッチングが可能で省メモリな特徴点記述子が必要 3 BRIEFの位置づけ 4 バイナリ化の利点 • ベクトル特徴量 – メモリ消費量 • 高次元のベクトルは大量にメモリを消費 – 類似度計算速度 • ユークリッド距離やベクトル間角度は計算コストが高く低速 • バイナリコード – メモリ消費量 • 「0」「1」で表現可能であるため効率的 – 類似計算速度 • ハミング距離は計算コストが低く高速 5 既存手法 • 記述の高速化 – SURF：積分画像を用いたHaar-likeの輝度勾配 • メモリの効率化，マッチングの高速化 – 次元削減（主成分分析，線形判別法） – 量子化 – バイナリ化問題点パッチから間接的に記述子を得ているため計算コストがかかる BRIEFはパッチから直接バイナリ列を生成 6 BRIEF • アルゴリズム 1. パッチをガウシアンフィルタにより平滑化 2. パッチ内のランダムに選択された２点の画素値の比較からバイナリ列を生成キーポイントパッチ 7 BRIEF • バイナリテストキーポイントパッチ 8 BRIEF • バイナリテスト • バイナリ列 : バイナリ列の長さ 9 BRIEF • バイナリ列の作成キーポイントパッチ 10 BRIEF • アルゴリズム 1. パッチをガウシアンフィルタにより平滑化 2. パッチ内のランダムに選択された２点の画素値の比較からバイナリ列を生成 • アルゴリズムの不確定なパラメータ – ノイズ除去のガウシアンフィルタの標準偏差 σ – バイナリテスト τ(X,Y) の配置 11 BRIEF • アルゴリズム 1. パッチをガウシアンフィルタにより平滑化 2. パッチ内のランダムに選択された２点の画素値の比較からバイナリ列を生成 • 先行研究 – パッチ内の２点の輝度値の比較によってキーポイントを認識 12 評価方法 • Wall 1とWall 2 〜6の対応点マッチングの精度比較 Wall 1 Wall 2 Wall 3 Wall 4 Wall 5 Wall 6 13 パッチの平滑化 • ノイズの影響を低減するため平滑化入力パッチ 1/16 2/16 1/16 2/16 4/16 2/16 1/16 2/16 1/16 ガウシアンフィルタ出力パッチ 14 ガウシアンフィルタの標準偏差σに対する精度比較 • σ が１〜３の間は精度があまり変わらないとする → σ を２ 15 バイナリテストの空間的配置 GⅠ I. II. III. IV. V. GⅡ GⅢ GⅣ GⅤ x, y : 一様分布 x, y : ガウシアン分布 x : ガウシアン分布, y : ガウシアン分布（xiが中心） x, y : 同心円状のグリッドからランダムに選択 x : 中心点 y : 同心円状のグリッドからバイナリテストの数だけ選択 16 各配置方法による精度比較 • GⅡの配置が最も精度が高い 17 比較実験データセット • 頑健性 – – – – 視点変化（Wall, Graffiti, Fountain）人工圧縮（Jpg）照明変化（Light）ブラー（Trees） 18 頑健性の評価 19 特徴量記述の速度評価 • 比較結果 • BRIEF-64において – 特徴量記述がSURFより35倍高速 – マッチングがSURFより11倍高速 20 まとめ • 高速性 – 記述高速化：バイナリ列の直接的生成 – マッチング高速化：ハミング距離の利用 • 頑健性 – 照明変化に対応 – スケール変化，回転変化に未対応 • スケール変化，回転変化に対応する手法が考案されている – BRISK：Binary Robust Invariant Scalable Keypoints – ORB：Oriented FAST and Rotated BRIEF 21