鈴木豊和

鈴木豊和

BRIEF: Binary Robust IndependentElementary Features

2

著者紹介

• 所属– ローザンヌ工科大学 ( スイス )

Michael Calonder Vincent Lepetit Christoph Strecha

Pascal Fua

3

アプリケーション

　大量のデータをリアルタイムに処理　　　モバイル端末上でリアルタイムに処理

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 次元復元 Augmented Reality

+

4

BRIEF の位置づけ

5

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

6

　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

7

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

8

BRIEF

• バイナリテスト

キーポイント

パッチ

9

BRIEF

• バイナリテスト

• バイナリ列

: 　バイナリ列の長さ

10

BRIEF

• バイナリ列の作成

キーポイント

パッチ

11

BRIEF



• 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

12

BRIEF



• 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

13

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

14

パッチの平滑化

• ノイズの影響を低減するため平滑化

1/16 2/16

4/16

2/16

2/162/16

1/16

1/16

ガウシアンフィルタ

出力パッチ

入力パッチ

1/16

15

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　→　 σ を２とする

16

バイナリテストの空間的配置

I. x, y : 一様分布II. x, y : ガウシアン分布III. x : ガウシアン分布 , 　 y : ガウシアン分布（ xi が中心）IV. x, y : 同心円状のグリッドからランダムに選択V. 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

GⅠ GⅡ GⅢ GⅣ GⅤ

17

各配置方法による精度比較

• GⅡ の配置が最も精度が高い

18

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 ）

19

頑健性の評価

20

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

21

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

鈴木 豊和

Documents

鈴木豊和