探究特征匹配中的旋转不变性
计算机视觉与模式识别
2026-04-14 v1
摘要
在图像之间寻找匹配的关键点是3D计算机视觉中的核心问题。然而，现代匹配器在处理大幅平移旋转时仍感到困难。一种直接的缓解方法是通过数据增强学习旋转不变性。然而，旋转不变性应在哪个阶段被纳入仍不明确。本文在现代稀疏匹配管道中研究了这一问题。我们通过在大型3D视觉数据集上训练，并在流行的图像匹配基准上评估，进行了大量实验。令人惊讶地发现，在描述子中引入旋转不变性，与在匹配器中处理它几乎产生类似的性能。然而，当在描述子中学习旋转不变性时，匹配器中的旋转不变性可以在更早的阶段实现，从而实现更快的旋转不变匹配器。进一步地，我们发现在大规模训练情况下，强制旋转不变性并不会损害直立性能。最后，我们研究了通过尺度效应产生旋转不变性，发现增加训练数据规模可显著提升对旋转图像的泛化能力。我们发布了两个对平移旋转鲁活的匹配器，分别在多模态（WxBS）、极端（HardMatch）和卫星图像匹配（SatAst）等任务上实现了最先进的性能。代码已公开：https://github.com/davnords/loma。
引用
@article{arxiv.2604.11809,
title = {Who Handles Orientation? Investigating Invariance in Feature Matching},
author = {David Nordström and Johan Edstedt and Fredrik Kahl and Georg Bökman},
journal= {arXiv preprint arXiv:2604.11809},
year = {2026}
}