SupScene：面向无约束SfM中图像检索的场景结构化重叠监督
计算机视觉与模式识别
2026-03-24 v2
摘要
图像检索是降低无约束运动恢复结构（SfM）中图像匹配二次成本的关键步骤。然而，与通用图像检索不同，SfM的相关目标是识别几何上可匹配的图像对，而不仅仅是语义上相似的图像。主流方法大多在锚点中心元组指导下进行训练，这种训练围绕孤立的元组组织，未能充分利用SfM场景中自然建立的密集、分级重叠结构。在这项工作中，我们提出了SupScene，一个场景结构化的训练框架，该框架从SfM重叠图中采样连通的局部子图，并联合监督所有有效的子图内成对关系。为了显式地将训练后的描述符与几何共视性对齐，我们进一步引入了一个重叠排序目标，该目标结合了多相似度优化与一个连续的相对重叠排序项。此外，所提出的框架通过一个轻量级的结构上下文探针池化（SCPP）头进行实例化，该头将互补的结构响应聚合到一个紧凑的全局描述符中。在多个基准数据集上的大量实验结果表明，我们的方法能够显著提升整体检索性能，并增强下游SfM重建的完整性。代码和模型可在https://github.com/Suxilan/SupScene获取。
引用
@article{arxiv.2601.11930,
title = {SupScene: Scene-Structured Overlap Supervision for Image Retrieval in Unconstrained SfM},
author = {Xulei Shi and Maoyu Wang and Yuning Peng and Guanbo Wang and Xin Wang and Yifan Liao and Qi Chen and Pengjie Tao},
journal= {arXiv preprint arXiv:2601.11930},
year = {2026}
}