VMatcher：基于状态空间的半密集局部特征匹配
计算机视觉与模式识别
2025-08-01 v1
摘要
本文介绍了 VMatcher，一种混合 Mamba-Transformer 网络，用于图像对之间的半密集特征匹配。学习型特征匹配方法，无论是基于探测器的还是无需探测器的，都实现了最先进的性能，但高度依赖 Transformer 的注意力机制，该机制虽然有效，但由于其二次复杂度而产生高计算成本。相反，Mamba 引入一种选择性状态空间模型 (SSM)，以线性复杂度实现与或优于 Transformer 的性能，为显著的效率提升提供了可能。VMatcher 利用混合方法，将 Mamba 的高度高效的长序列处理与 Transformer 的注意力机制相结合。提出了多种 VMatcher 配置，包括层次结构，证明其在高效设置新基准的同时确保鲁棒性和实用性对于实时应用至关重要，其中快速推断尤为重要。源代码可在：https://github.com/ayoussf/VMatcher 获取。
关键词
引用
@article{arxiv.2507.23371,
title = {VMatcher: State-Space Semi-Dense Local Feature Matching},
author = {Ali Youssef},
journal= {arXiv preprint arXiv:2507.23371},
year = {2025}
}