图像匹配的演进：从可学习检测器到三维基础模型
本文综述了图像匹配技术的演进历程，从SIFT到三维基础模型，经历了四次范式迁移：学习型检测器与描述子、稀疏匹配器、无检测器稠密匹配和三维基础模型。每次迁移都解决了前一代的瓶颈，但也带来了新的挑战。文章通过三条分类轴分析了16篇代表作，并指出在稠密匹配与三维模型盛行的当下，稀疏路线通过数据规模和混合设计重新回到前沿。最后，文章对六代基准进行了审计，探讨了榜单排名与方法优劣之间的关系。
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。