在相机姿态估计、图像配准、图像拼接和图像检索等诸多计算机视觉应用中，从两幅图像中正确匹配同一物体或场景的关键点是一项基础而重要的工作。然而，在实际应用中，由于噪声的干扰，初始匹配中常包含大量的错误匹配，进而导致严重的类别不平衡问题。所以，若想提高相机姿态估计、图像配准等任务的性能，需要剔除关键点初始匹配中的大量错误匹配。

目前，常见的关键点匹配筛选算法有随机抽样一致RANSAC算法、基于空间分布描述子的剔除方法、基于概率和统计的错误匹配点剔除方法和基于双向匹配的算法，但这些算法要么反复迭代、不断测试、耗时较多，要么算法复杂，不具有抗旋转性，对尺度敏感，要么稳健性差。那如何设计一个稳健、准确性高且泛化性好的关键点匹配筛选算法呢？

洛桑联邦理工学院赵晨等人提出了一种基于匹配修剪模块的渐进式关键点筛选方法CLNet。该方法设计了一种匹配“修剪”模块，通过从局部区域到全局区域构建动态图的方式，整合局部和全局信息，计算匹配的一致性分数，并根据一致性进行匹配筛选。我们通过串行方式连接多个“修剪”模块，以实现渐进性的匹配筛选。

与现有算法相比，在相机姿态估计任务中，CLNet在室外数据集YFCC100M和室内数据集SUN3D上均取得了SOTA的性能；在直线拟合任务中，当初始数据中包含大量噪声干扰时（90% outliers），本文所提CLNet对噪声干扰具有较强的鲁棒性。

关于CLNet方法的更多内容，可以查看《Progressive Correspondence Pruning by Consensus Learning》论文，链接：https://arxiv.org/pdf/2101.00591.pdf。

12月9日晚7点，智东西公开课邀请到赵晨博士以《相机姿态估计中的关键点匹配筛选》为主题，深入讲解基于匹配修剪模块的关键点筛选方法CLNet。

赵晨是洛桑联邦理工学院计算机视觉实验室在读博士，本科和硕士毕业于华中科技大学，研究方向主要为3D视觉，包括多视角图像匹配、点云分析以及物体姿态估计等。

本次讲座将在智东西公开课知识店铺进行，包含主讲和问答两个部分，其中主讲环节40分钟，问答环节20分钟。本次讲座已组建交流群，并邀请赵晨博士加入，欢迎感兴趣的朋友申请。

主题

相机姿态估计中的关键点匹配筛选

提纲

1、关键点匹配中的类别不平衡问题
2、主流关键点匹配筛选算法及局限性
3、基于匹配修剪模块的关键点筛选方法CLNet
4、在相机姿态估计等任务中的应用和泛化表现

主讲人介绍

赵晨，洛桑联邦理工学院计算机视觉实验室在读博士，研究方向主要为3D视觉，包括多视角图像匹配、点云分析以及物体姿态估计等；本科和硕士毕业于华中科技大学。

直播信息

直播时间：12月9日19：00
直播地点：智东西公开课知识店铺