GlueStick：通过将点与线黏合实现鲁棒图像匹配
计算机视觉与模式识别
2023-10-23 v3
摘要
线段是与点互补的强大特征。它们提供结构线索，对剧烈视角与光照变化具有鲁棒性，并且即便在无纹理区域也可存在。然而，由于部分遮挡、缺乏纹理或重复性，描述和匹配线段比点更具挑战性。本文引入了一种新的匹配范式，其中点、线及其描述子被统一为单一的线框结构。我们提出 GlueStick，一种深度匹配图神经网络（GNN），它接收来自不同图像的两组线框，并利用节点间的连接信息来更好地将它们黏合在一起。除了联合匹配带来的效率提升外，我们还展示了在单一架构中利用这两种特征的互补性所带来的性能大幅提升。我们表明，对于各种数据集与任务，我们的匹配策略优于独立匹配线段与点的前沿方法。代码可在 https://github.com/cvg/GlueStick 获取。
引用
@article{arxiv.2304.02008,
title = {GlueStick: Robust Image Matching by Sticking Points and Lines Together},
author = {Rémi Pautrat and Iago Suárez and Yifan Yu and Marc Pollefeys and Viktor Larsson},
journal= {arXiv preprint arXiv:2304.02008},
year = {2023}
}
备注
Accepted at ICCV 2023