预训练图像匹配器足够用于SAR光学卫星配准吗？

跨模态光学-SAR（合成孔径雷达）配准是灾后遥感的瓶颈，而现代图像匹配器几乎完全在自然图像域上开发和基准测试。我们在SpaceNet9和两个额外的跨模态基准上，以零样本方式评估了二十四个预训练匹配器族，未进行任何微调或领域适应，采用确定性协议进行大图像推断、稳健几何过滤和基于tie-point的度量。我们的结果揭示了非对称迁移——具有显式跨模态训练的匹配器并不一定超越未进行跨模态训练的匹配器。虽然XoFTR（用于可见-热力学匹配训练）和RoMa在标记的SpaceNet9训练场景上实现最低的平均误差（$3.0$ 像素），但RoMa在无需任何跨模态训练的情况下达到了这一水平，而MatchAnything-ELoFTR（$3.4$ 像素）——在合成跨模态对上训练——也接近，这表明（作为一种工作假设）基础模型特征（DINOv2）可能在部分替代显式跨模态监督方面贡献了模态不变性。3D重建匹配器（MASt3R、DUSt3R）不为传统2D图像匹配设计，对默认设置下仍然脆弱。部署协议选择（几何模型、图块大小、内样本门控）对单个匹配器的精度影响可达$33\times$，有时甚至超过在评估范围内完全更换匹配器的效果——单纯的仿射几何即可将平均误差从$12.34$降至$9.74$像素。这些发现指导了现有匹配器的实际部署以及面向跨模态卫星配准的未来匹配器设计。