Lightglue网络学习(ICCV 2023)
论文:https://arxiv.org/abs/1712.07629
代码:https://github.com/rpautrat/SuperPoint
1.训练过程
(1)构建一个合成数据集由简单的几何形状组成,其中兴趣点位置没有歧义Synthetic Shapes。将训练得到的检测器称为MagicPoint——它在合成数据集上明显由于传统的兴趣点检测器。尽管存在域适应困难。
(2)使用真实场景图片,用第一步训练出来的网络MagicPoint +Homographic Adaptation提取角点,这一步称作兴趣点自标注(Interest Point Self-Labeling)
(3)对第二步使用的图片进行几何变换得到新的图片,这样就有了已知位姿关系的图片对,把这两张图片输入SuperPoint网络,提取特征点和描述子
2.superpoint网络
SuperPoint 采用 “共享编码器 + 双解码器” 的全卷积结构,输入图像经一次前向计算同时完成关键点检测与描述子生成。