基于相似性选择的状态空间建模用于语义对应关系
计算机视觉与模式识别
2025-09-30 v1
摘要
在计算机视觉中，建立语义对应关系是一项基本且具有挑战性的任务。传统特征-度量方法通过增强视觉特征，但可能忽略复杂的关联关系，而近期的关联-度量方法由于处理4维相关图而面临高计算成本。我们引入MambaMatcher，该方法通过选择性状态空间模型(SSM)高效地建模高维相关性，从而克服了这些限制。通过实现源自Mamba线性复杂度算法的相似性感知选择扫描机制，MambaMatcher在不损失特征图分辨率或感受野的前提下，有效地细化了4维相关图。在标准语义对应基准测试上的实验表明，MambaMatcher实现了最先进的性能。
引用
@article{arxiv.2509.24318,
title = {Similarity-Aware Selective State-Space Modeling for Semantic Correspondence},
author = {Seungwook Kim and Minsu Cho},
journal= {arXiv preprint arXiv:2509.24318},
year = {2025}
}
备注
23 pages, 11 figures. Accepted as Oral presentation for ICCV 2025 Findings