Match-Any-Events：面向事件相机的零样运动鲁棒宽基准特征匹配
计算机视觉与模式识别
2026-04-22 v1
摘要
事件相机最近在因其对低光和快速运动的鲁棒性而显示出卓越的瞬时运动估计算力。然而，在两个任意视图之间计算宽基准对应仍是一个重大挑战，因为事件外观随运动而发生显著变化，学习方法也受限于可扩展性和有限的宽基准监督。因此，我们引入了首个实现跨数据集宽基准对应且以零样方式部署的事件匹配模型：一次训练后即可在未见数据集上部署，无需任何目标域微调或适应。为实现这一能力，我们引入了一种运动鲁棒且计算效率高的注意力主干网络，从事件流中学习多时间尺度特征，增强了稀疏感知的事件token选择，使得在多样化的宽基准监督下进行大规模训练变得可行。为提供宽基准泛化所需的监督，我们开发了一套稳健的事件运动合成框架，用于生成具有增强视角、模态和运动的大规模事件匹配数据集。跨多个基准的广泛实验表明，我们的框架在先前最佳事件特征匹配方法上实现了37.7%的改进。代码和数据可在：https://github.com/spikelab-jhu/Match-Any-Events获取。
引用
@article{arxiv.2604.18744,
title = {Match-Any-Events: Zero-Shot Motion-Robust Feature Matching Across Wide Baselines for Event Cameras},
author = {Ruijun Zhang and Hang Su and Kostas Daniilidis and Ziyun Wang},
journal= {arXiv preprint arXiv:2604.18744},
year = {2026}
}