RoMa：鲁棒稠密特征匹配
计算机视觉与模式识别
2026-04-14 v2
摘要
特征匹配是一项重要的计算机视觉任务，涉及估计同一 3D 场景两幅图像之间的对应关系，而稠密方法估计所有此类对应关系。其目标是学习一个鲁棒模型，即能够在具有挑战性的真实世界变化下进行匹配的模型。在这项工作中，我们提出这样一个模型，利用基础模型 DINOv2 的冻结预训练特征。尽管这些特征比从头训练得到的局部特征显著更鲁棒，但其本质较为粗糙。因此我们将其与专门的 ConvNet 精细特征相结合，构建出可精确定位的特征金字塔。为进一步提升鲁棒性，我们提出一个定制的 transformer 匹配解码器，其预测锚点概率，从而能够表达多模态性。最后，我们通过基于分类的回归及随后的鲁棒回归，提出一种改进的损失形式。我们进行了全面的实验，表明我们的方法 RoMa 取得了显著提升，确立了新的 SOTA。特别地，我们在极具挑战性的 WxBS 基准上实现了 36% 的提升。代码见 https://github.com/Parskatt/RoMa
引用
@article{arxiv.2305.15404,
title = {RoMa: Robust Dense Feature Matching},
author = {Johan Edstedt and Qiyu Sun and Georg Bökman and Mårten Wadenbäck and Michael Felsberg},
journal= {arXiv preprint arXiv:2305.15404},
year = {2026}
}