理解与优化基于注意力的稀疏匹配用于多样化局部特征
计算机视觉与模式识别
2026-03-13 v2
摘要
我们重新审视了训练基于注意力的稀疏图像匹配模型以适应各种局部特征的问题。我们首先识别了一个此前被忽视的关键设计选择，这对 LightGlue 模型性能具有显著影响。随后，我们研究了检测器和描述子在基于转换器的匹配框架中的作用，发现检测器往往是导致性能差异的主要原因。最后，我们提出了一种新方法，通过来自多样化检测器集合的关键点微调现有图像匹配模型，实现通用且对检测器不敏感的模型。当作为针对新检测器的零样本匹配器部署时，所得模型在准确率上可达或超过专为这些特征训练的模型。我们的发现为部署基于转换器的匹配模型及未来局部特征设计提供了宝贵的见解。
引用
@article{arxiv.2602.08430,
title = {Understanding and Optimizing Attention-Based Sparse Matching for Diverse Local Features},
author = {Qiang Wang},
journal= {arXiv preprint arXiv:2602.08430},
year = {2026}
}
备注
v2: add results with RaCo,RDD,DaD and Air-to-Ground benchmark