半稠密无检测器方法在局部特征匹配中表现良好吗？
计算机视觉与模式识别
2024-06-04 v3 人工智能
摘要
半稠密无检测器方法（SDF），如LoFTR，是目前最流行的图像匹配方法之一。尽管SDF方法被训练用于建立两幅图像之间的对应关系，但其性能几乎完全通过相对位姿估计指标来评估。因此，它们建立对应关系的能力与由此产生的估计位姿质量之间的联系迄今很少受到关注。本文是对这种联系进行研究的首次尝试。我们首先提出了一种新颖的基于结构化注意力的图像匹配架构（SAM）。它使我们能够在两个数据集（MegaDepth和HPatches）上展示一个反直觉的结果：一方面，在姿态/单应性估计指标上，SAM要么优于SDF方法，要么与之持平；但另一方面，在匹配精度方面，SDF方法显著优于SAM。然后，我们提出将匹配精度的计算限制在纹理区域，并表明在这种情况下SAM通常优于SDF方法。我们的发现强调了在纹理区域建立精确对应关系的能力与由此产生的估计姿态/单应性精度之间的强相关性。我们的代码将公开提供。
引用
@article{arxiv.2402.08671,
title = {Are Semi-Dense Detector-Free Methods Good at Matching Local Features?},
author = {Matthieu Vilain and Rémi Giraud and Hugo Germain and Guillaume Bourmaud},
journal= {arXiv preprint arXiv:2402.08671},
year = {2024}
}