上交最新开源！涨点36%！DMESA：最强匹配一切！吊打SuperGlue和LoFTR！

文章预览

点击下方 卡片 ，关注 「计算机视觉工坊」 公众号 选择 星标 ，干货第一时间送达 编辑：计算机视觉工坊 0. 这篇文章干了啥？ 特征匹配旨在建立图像之间的对应关系，这在诸如即时定位与地图构建（SLAM）、运动恢复结构（SfM）和视觉定位等众多应用中至关重要。然而，由于存在匹配噪声（包括尺度变化、视角和光照变化、重复模式以及纹理较差等问题），实现精确的点匹配仍然是一个挑战。 近年来，基于学习的特征匹配取得了显著进展。学习检测器、描述符和匹配器的出现彻底改变了传统的稀疏匹配方法。同时，基于学习的半密集和密集方法通过在整个图像上进行密集特征比较，进一步在精度上与其稀疏对应方法拉开了显著差距。然而，所有这些匹配方法都面临着一个共同的障碍：匹配冗余。从本质上讲，在不相关的图像区域中，基于学习的 ………………………………