VALSE 论文速览 第169期：噪声关联鲁棒的图匹配方法

论文题目：

Graph Matching with Bi-level Noisy Correspondence

作者列表：

林义杰 (四川大学)、杨谋星 (四川大学)、俞俊 (杭州电子科技大学)、胡鹏 (四川大学)、张长青 (天津大学)、彭玺 (四川大学)

B站观看网址：

https://www.bilibili.com/video/BV1gH4y1H7MQ/

论文摘要：

本次报告将围绕一种新的噪声标签学习范式——噪声关联学习进行汇报。我们将简要介绍噪声关联学习的背景，并以图匹配任务为例，从多层次角度介绍噪声关联最新进展。图匹配技术广泛应用于各种视觉应用中，如三维重建等。然而目前的匹配方案高度依赖于完美标注的对齐数据，而实际场景中关键点的标注异常困难，往往存在图像能见度差、图像间视角差异大、关键点被遮挡等问题，导致人为标注的关键点不精准，甚至存在明显错误。本工作揭示了图匹配问题中可能存在的“双重噪声关联”问题，即图结构中同时出现节点与边的双重错误关联，并提出相应解决方案。

参考文献：

[1] Yijie Lin, Mouxing Yang, Jun Yu, Peng Hu, Changqing Zhang, Xi Peng, Graph Matching with Bi-level Noisy Correspondence, International Conference on Computer Vision (ICCV), Paris, France. Oct. 4-6, 2023.

[2] Zhenyu Huang, Guocheng Niu, Xiao Liu, Wenbiao Ding, Xinyan Xiao, Hua Wu, Xi Peng, Learning with Noisy Correspondence for Cross-modal Matching, Neural Information Processing Systems (NeurIPS), Dec 6-12, 2021, Online. (Oral, acc rate=0.61%)

[3] Yijie Lin, Jie Zhang, Zhenyu Huang, Jia Liu, Zujie Wen, Xi Peng, Multi-granularity Correspondence Learning from Long-term Noisy Videos, 12th International Conference on Learning Representations (ICLR), May.7-11, Vienna, Austria, 2024. (Oral, acc rate=1.2%)

论文链接：

[https://arxiv.org/pdf/2212.04085.pdf]

代码链接：

[https://github.com/Lin-Yijie/Graph-Matching-Networks]

视频讲者简介：

林义杰是四川大学计算机学院直博生，导师为彭玺教授。研究方向包括多模态和多视角学习，尤其关注开放场景下的多模态学习，例如模态缺失与噪声关联。

个人主页：

http://lin-yijie.github.io

特别鸣谢本次论文速览主要组织者：

月度轮值AC：胡迪 (中国人民大学)