AffineGlue：联合匹配与鲁棒估计
计算机视觉与模式识别
2023-07-31 v1
摘要
我们提出 AffineGlue，一种用于双视图特征匹配与鲁棒估计联合处理的方法，该方法通过采用单点最小求解器降低了问题的组合复杂度。AffineGlue 从一对多对应关系中筛选潜在匹配以估计最小模型。随后利用引导匹配寻找与模型一致的匹配，从而较少受到一对一匹配歧义性的影响。此外，我们推导了一种用于单应性估计的新最小求解器，仅需一个仿射对应（AC）和重力先验。进一步地，我们训练了一个神经网络以拒绝不太可能产生良好模型的 AC。AffineGlue 在真实世界数据集上优于 SOTA，即使在假设重力方向向下的情况下也是如此。在 PhotoTourism 上，AUC@10{\deg} 分数相比 SOTA 提高了 6.6 个点。在 ScanNet 上，AffineGlue 使 SuperPoint 和 SuperGlue 达到与无检测器的 LoFTR 相近的精度。
引用
@article{arxiv.2307.15381,
title = {AffineGlue: Joint Matching and Robust Estimation},
author = {Daniel Barath and Dmytro Mishkin and Luca Cavalli and Paul-Edouard Sarlin and Petr Hruby and Marc Pollefeys},
journal= {arXiv preprint arXiv:2307.15381},
year = {2023}
}