EpiMask: 基于单应距离基于掩码的卫星图像匹配中的跨注意力
计算机视觉与模式识别
2026-03-24 v1
摘要
深度学习基于图像的匹配网络现在能够处理更大范围的视点和照明变化,并以亚像素精度提供匹配的像素对。这些网络是在基于地面的数据集上训练的,其性能隐式地针对针孔相机几何进行优化。因此,当这些网络用于匹配卫星图像时会表现不佳,因为这些图像是由移动卫星相机按一行一行记录地面点的图像合成的。本文提出EpiMask,一个用于卫星图像的半稠密图像匹配网络,它(1)包含针对相机建模几何的patch级仿射近似; (2)使用基于单应距离的注意力掩码以限制跨注意力的几何上可行的区域; (3)针对稳健特征提取微调基础预训练图像编码器。实验在SatDepth数据集上表明,与重新训练的基于地面模型相比,匹配精度提高了最高30%。
引用
@article{arxiv.2603.21463,
title = {EpiMask: Leveraging Epipolar Distance Based Masks in Cross-Attention for Satellite Image Matching},
author = {Rahul Deshmukh and Aditya Chauhan and Avinash Kak},
journal= {arXiv preprint arXiv:2603.21463},
year = {2026}
}