XRefine：受注意力引导的关键点匹配细化
计算机视觉与模式识别
2026-01-21 v1
摘要
稀疏关键点匹配对于 3D 视觉任务至关重要，但当前的关键点检测器常常产生空间不准确的匹配。现有的细化方法通过对匹配关键点位置进行对齐来缓解此问题，但它们通常是检测器特定的，需要为每个关键点检测器重新训练。我们引入 XRefine，这是一种新颖的、面向检测器的关键点亚像素细化方法，仅基于匹配关键点所在的图像块即可工作。我们的跨注意力架构学习预测细化后的关键点坐标，而无需依赖内部检测器表示，从而实现跨检测器的泛化。此外，XRefine 可以扩展到处理多视角特征轨迹。在 MegaDepth、KITTI 和 ScanNet 上的实验表明，该方法 consistently improved geometric estimation accuracy，实现了比现有细化方法更好的性能，同时保持了运行效率。我们的代码和训练好的模型可在 https://github.com/boschresearch/xrefine 查找。
引用
@article{arxiv.2601.12530,
title = {XRefine: Attention-Guided Keypoint Match Refinement},
author = {Jan Fabian Schmid and Annika Hagemann},
journal= {arXiv preprint arXiv:2601.12530},
year = {2026}
}