Frank の Blog 搜索 xLog 归档 历史 分类 标签文章11分类3标签7搜索xLog归档 历史 分类 标签学习笔记🗒️图像匹配挑战赛IMC 2024发布于: 2024-6-27最后更新: 2024-11-15 三维重建 typestatusdateslugsummary标签categoryiconpassword图像匹配挑战赛Image Matching Challenge 2024 - HexathlonReconstruct 3D scenes from 2D images over six different domainshttps://www.kaggle.com/competitions/image-matching-challenge-2024/overview该项比赛旨在利用计算机视觉技术，匹配不同视角下的同一个场景，从而恢复每张图像拍摄时的相机内外参矩阵。今年的比赛中主要对象有室外场景和透明弱纹理物体，这里主要关注室外场景的匹配策略，来总结一下前几名的思路。第一名：High Image Resolution ALIKED/LightGlue + Transparent Trick 总的来说，先通过一次稀疏的匹配，将部分旋转过的图像摆正，再将图像使用ALIKED和LightGlue进行匹配，并使用DBSCAN获取密集的匹配区域，并再一次进行密集匹配，将匹配点输入COLMAP进行位姿计算。第一名完全没有使用Dense-base的方法，他们认为这种方法获得的匹配点通常只在两张图之间，不具备传递性，会导致模型计算错误。亮点：根据图像稀疏匹配确定待匹配对微调过的ALIKED和LightGlue一些运行效率上的优化，如缓存、分布式训练多尺度下的特征点匹配，在1280分辨率下匹配一次后，通过DBSCAN聚类获取匹配密集区域，剪裁图像后，在2048分辨率下再进行一次匹配，以获取更精细的匹配 第二名：MST-Aided SfM & Transparent Scene Solution对图像进行了旋转检测和透明度检测，为了后面分别处理透明图像和非透明图像（大部分方法都将这两种图像分开处理）；对所有图像进行了全局特征提取，以生成更可靠的图像匹配对；根据图像匹配对，使用了(Dedodev2+Dual SoftMax)、(DISK+LightGlue)、 (SIFT+NN)三种方法获取匹配点；使用了一种基于最小生成树的策略获取各图像全局最优的相邻图，用于第一个粗略的SFM；同时使用全局最优的相邻图和全连接图进行SFM，获得两个SFM结果，用粗略的SFM结果来过滤精细SFM结果中错误的部分，再使用PixSFM和HLoc中重定位模块来处理缺失的相机。透明图像处理不做赘述。亮点：主要在使用MST获取全局最优图以及使用粗略的SFM结果来过滤精细SFM结果中错误的部分第三名：Solution: VGGSfM 作者:Fr4nk链接:https://www.frankxx.link/article/240627声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。相关文章高斯模型摆正 Python代码3DGS训练类blender数据集What Can I See Man[2408]高斯模型摆正 Python代码Fr4nk瞎折腾第一名🥇文章11分类3标签7最新发布冲浪必备-网页管理2025-1-7家庭代理终极解决方案2024-11-15Deap库入门2024-11-15Follow批量订阅自己的B站关注2024-11-15NAS上常用的Docker容器2024-11-15Ubuntu安装Colmap GPU2024-11-15公告typestatusdateslugsummary标签categoryiconpassword定风波-苏轼三月七日，沙湖道中遇雨。雨具先去，同行皆狼狈，余独不觉。已而遂晴，故作此词。莫听穿林打叶声，何妨吟啸且徐行。竹杖芒鞋轻胜马，谁怕？一蓑烟雨任平生。料峭春风吹酒醒，微冷，山头斜照却相迎。回首向来萧瑟处，归去，也无风雨也无晴。 2023-2026 Fr4nk. Frank の Blog | 瞎折腾第一名🥇Powered by NotionNext 4.1.2.