FastJAM：用于图像的快速联合对齐模型
计算机视觉与模式识别
2025-10-30 v2
摘要
图像的联合对齐（Joint Alignment, JA）旨在将一组图像对齐到统一坐标系，以便语义相似的特征出现在对应的空间位置。大多数现有方法需要较长的训练时间、大容量模型以及 extensive 的超参数调优。我们引入 FastJAM，一种快速、基于图的方法，显著降低联合对齐任务的计算复杂度。FastJAM 利用来自 off-the-shelf 图像匹配器计算的成对匹配结果，结合 rapid nonparametric 聚类，构建表示图像间和图像内关键点关系的图。图神经网络对这些对应关系进行传播和聚合，efficiently 通过 image-level 池化预测每个图像的单应性参数。利用逆构损失（inverse-compositional loss），该方法无需对预测变换添加正则化项（因此也无需进行与此类正则化项相关的超参数调优），FastJAM 能够快速有效地完成图像 JA。在几个基准数据集上的实验结果表明，FastJAM 在对齐质量方面优于现有现代 JA 方法，同时将计算时间从小时或分钟缩短到仅几秒。我们的代码已提供，网址为 https://bgu-cs-vil.github.io/FastJAM/
引用
@article{arxiv.2510.22842,
title = {FastJAM: a Fast Joint Alignment Model for Images},
author = {Omri Hirsch and Ron Shapira Weber and Shira Ifergane and Oren Freifeld},
journal= {arXiv preprint arXiv:2510.22842},
year = {2025}
}
备注
Accepted to NeurIPS 2025. Pages 1-10 are the Main Paper. Pages 23-31 are Supplemental Material. FastJAM website - https://bgu-cs-vil.github.io/FastJAM/