基于Transformer无检测器局部特征匹配方法研究.pdfVIP

图。1可以根据它们相对于边缘的相对位置来区分。这一观上述局部特征使用邻搜索来找到提取的

察告诉我们，在特征提取网络中拥有较大的感受野至关重要。点之间的匹配。，SuperGlue[37]提出了一种基

于学习的局部特征匹配方法。SuperGlue接受两组带

受上述观察的启发，我们提出了局部特征变换器

有描述符的点作为输入，并通过图神经网络（

R），这是一种新颖的无检测器局部特征匹配

（LoFT

GNN）学习它们的匹配，GNN是Transformers[16]

方法。受到开创性工作SuperGlue的启发[37],我们

的一种通用形式。由于特征匹配中的先验可以通过数

使用Transformer[48]及其自注意力和交叉注意力层

据驱动的方法学