论文解读：LoMa，局部特征匹配的「数据与容量」回归
本文解读了LoMa论文，该研究通过17个训练数据集、9层LightGlue式匹配器和250K步训练，使稀疏特征匹配重回SOTA。作者发布了1000对人工标注的HardMatch基准，在mAA@10px和WxBS指标上表现优异，但稠密方法在MegaDepth/ScanNet上仍领先。研究包含dual-softmax损失与逐层精化的交互部件及对应代码。
博客雷达不转载正文。这里只有标题、作者、时间和一小段 AI 生成的摘要；全文在作者自己的站点上，阅读请点上面的按钮过去——文章的版权一直在原作者手里。
你也在写博客？做一张「已被博客雷达收录」的徽章挂回自己的站，想挂就挂，也不占首页。