基于纯单应性的图像匹配

本文提出 Slime，一种新颖的非深度图像匹配框架，将场景建模为粗略的局部重叠平面。该中间表示介于关键点面片的局部仿射近似与基于空间和相似度约束的全局匹配之间，随着平面相较于一般场景更易于处理，提供了对应点的渐进式剪枝。Slime 在不同尺度上将图像分解为重叠区域并计算宽松的平面单应性。平面由兼容匹配相互扩展，图像被分割为固定瓦片，每对瓦片仅保留最佳单应性。稳定匹配依据成对单应性给出的可接受立体配置的一致性来识别。在瓦片内，粗略平面再根据其在匹配上的重叠进行合并，并提取进一步的一致对应点。整个过程仅涉及单应性约束。结果，场景中正确匹配覆盖率和稳定性均得以增强，并能在挑战性场景中识别匹配，使传统混合匹配流程得以迎头赶上近期端到端深度匹配方法。此外，本文对以端到端深度网络和混合流程为代表的近期 SOTA 图像匹配进行了透彻比较分析。评估兼顾平面与非平面场景，并考虑包括突变时间图像变化与强相对图像旋转在内的关键挑战情景。据该分析，尽管此领域进展惊人，未来研究仍有广阔改进空间。