CM-Bench: 连接可见与红外图像的综合跨模态特征匹配基准
计算机视觉与模式识别
2026-03-16 v1
摘要
红外-可见 (IR-VIS) 特征匹配在跨模态视觉定位、导航和感知中发挥着 essential 作用。随着深度学习技术的快速发展，提出了许多代表性的图像匹配方法。然而，跨模态特征匹配仍然是一个具有挑战性的任务 due to 显著的外观差异。跨模态特征匹配研究的一个显著差距在于缺乏用于评估的标准化基准和指标。在本文中，我们介绍了一个综合的跨模态特征匹配基准 CM-Bench，它涵盖了 30 个跨模态数据集上的特征匹配算法。具体而言，对最先进的传统和深度学习方法进行了总结和分类为稀疏、半稠密和稠密方法。这些方法被评估为包括单应性估计、相对姿态估计和基于特征匹配的地理定位等不同任务。此外，我们引入了一个基于分类网络的自适应预处理前端，自动选择匹配前合适的增强策略。我们还提出了一个新型的红外-卫星跨模态数据集，附带手动标注的 ground-truth 对应点，用于实际的地理定位评估。该数据集和资源将在 https://github.com/SLZ98/CM-Bench 提供。
引用
@article{arxiv.2603.12690,
title = {CM-Bench: A Comprehensive Cross-Modal Feature Matching Benchmark Bridging Visible and Infrared Images},
author = {Liangzheng Sun and Mengfan He and Xingyu Shao and Binbin Li and Zhiqiang Yan and Chunyu Li and Ziyang Meng and Fei Xing},
journal= {arXiv preprint arXiv:2603.12690},
year = {2026}
}