https://wiki.conaondaapps.com/index.php?action=history&feed=atom&title=RIFT 2026-08-20T12:31:44Z 이 문서의 편집 역사 MediaWiki 1.46.0 https://wiki.conaondaapps.com/index.php?title=RIFT&diff=48&oldid=prev 2026-08-20T04:18:55Z

<p>migrate: import legacy Wiki content to Vultr</p> <p><b>새 문서</b></p><div>&#039;&#039;&#039;RIFT&#039;&#039;&#039;(Radiation-variation Insensitive Feature Transform)는 비선형 방사 차이가 큰 multimodal image matching을 위해 설계된 handcrafted feature method다. 학습 weight에 의존하지 않아 폐쇄망·재현성·fallback 관점에서 가치가 있다.<br /> <br /> == 개요 ==<br /> <br /> Intensity나 gradient가 modality 변화에 민감하다는 문제에서 출발한다. feature detection에는 phase congruency를 사용하고 log-Gabor convolution sequence로 Maximum Index Map(MIM)을 만들어 descriptor를 구성한다. 원 논문은 optical↔optical, infrared↔optical, SAR↔optical, depth↔optical, map↔optical, day↔night을 평가했다.<br /> <br /> == 핵심 구조 ==<br /> <br /> Phase congruency는 밝기 크기보다 여러 주파수 성분의 위상 정렬을 이용해 구조를 찾으므로 radiation change에 상대적으로 강하다. MIM은 gradient direction 대신 log-Gabor response의 최대 index 패턴을 사용한다. 이후 rotation invariance와 속도를 개선한 RIFT2도 공개됐다.<br /> <br /> == 활용 ==<br /> <br /> GPU가 없거나 model weight 반입이 어려운 폐쇄망, neural matcher가 실패하는 장면에서 fallback으로 적합하다. primary matcher의 inlier 수나 coverage가 기준 이하일 때 RIFT/RIFT2를 재시도하는 이중 구조가 실용적이다.<br /> <br /> == 한계 및 주의점 ==<br /> <br /> 고해상도 대형 영상에서 handcrafted 계산이 반드시 빠른 것은 아니다. 공식 MATLAB 구현의 license.txt, MATLAB runtime 여부, Python/C++ 재구현의 출처를 구분해 관리해야 한다.<br /> <br /> == 함께 보기 ==<br /> * [[Cross-Modal Image Matching 기술 지도]]<br /> * [[Cross-Modal Matching 기하 검증]]<br /> * [[Cross-Modal Matching 벤치마크]]<br /> * [[Modality-Invariant Image Matching]]<br /> <br /> == 출처 ==<br /> * [https://github.com/LJY-RS/RIFT-multimodal-image-matching RIFT 공식 구현]<br /> * [https://github.com/LJY-RS/RIFT2-multimodal-matching-rotation RIFT2]<br /> * [https://arxiv.org/abs/1804.09493 RIFT 논문]<br /> <br /> [[분류:Cross-Modal Image Matching]]<br /> [[분류:Remote Sensing Registration]]</div>

Admina7ec671ac513