CasP：利用级联对应先验提升半密集特征匹配管线
计算机视觉与模式识别
2025-08-04 v2
摘要
半密集特征匹配方法在挑战性场景中表现出强大的性能。然而，现有管线依赖于整个特征图上的全局搜索来建立粗糙匹配，限制了准确性和效率的进一步提升。为了克服这一局限，我们提出了一种新型管线 CasP，利用级联对应先验进行指导。具体而言，将匹配阶段分解为两个渐进的阶段，中间通过一种区域基的选择性跨注意力机制设计，以增强特征的判别性。在第二个阶段，通过将搜索范围限制在第一个阶段识别的单向-多向先验区域内来确定一对一匹配。此外，该管线还能整合高层次特征，有助于降低低层次特征提取的计算成本。CasP 的加速效果随分辨率的提升而增强，精简模型在 1152 分辨率下相较于最有效的方法 ELoFTR 达到约 2.2 倍的加速。此外，大量实验表明其在几何估计中的卓越性能，尤其在跨域泛化方面表现突出。这些优势凸显了其在面向延迟敏感和高鲁棒性应用（如 SLAM 和无人机系统）的潜力。代码已在 https://github.com/pq-chen/CasP 上提供。
引用
@article{arxiv.2507.17312,
title = {CasP: Improving Semi-Dense Feature Matching Pipeline Leveraging Cascaded Correspondence Priors for Guidance},
author = {Peiqi Chen and Lei Yu and Yi Wan and Yingying Pei and Xinyi Liu and Yongxiang Yao and Yingying Zhang and Lixiang Ru and Liheng Zhong and Jingdong Chen and Ming Yang and Yongjun Zhang},
journal= {arXiv preprint arXiv:2507.17312},
year = {2025}
}
备注
Accepted to ICCV 2025