论文标题：Convolutional Hough Matching Networks 论文链接：https://arxiv.org/abs/2103.16831 主页链接：http://cvlab.postech.ac.kr/research/CHM/ 作者单位：韩国浦项科技大学

本文介绍了关于卷积匹配的霍夫变换观点，并提出了一种有效的几何匹配算法CHM，其以卷积方式执行高维霍夫投票，匹配性能超强！优于ANC-Net等网络，代码即将开源！

尽管特征表示有所进步，但利用几何关系对于在较大图像变化下建立可靠的视觉对应关系至关重要。在这项工作中，我们介绍了关于卷积匹配的霍夫变换观点，并提出了一种有效的几何匹配算法，称为卷积霍夫匹配（CHM）。 该方法在几何变换空间上分布候选匹配的相似性，并以卷积方式对其进行评估。我们将其转换为具有半各向同性高维核的可训练神经层，该核学习具有少量可解释参数的非刚性匹配。为了验证效果，我们设计了带有CHM层的神经网络，这些层在平移和缩放空间中执行卷积匹配。我们的方法在语义视觉对应的标准基准上设置了新的技术水平，证明了其对挑战类内变异的强大鲁棒性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除