摘要

在本研究中，我们致力于解决在困难成像条件下寻找可靠的像素级对应点的问题。我们提出了一种方法，其中单个卷积神经网络承担双重角色：它同时作为密集特征描述符和特征检测器。通过将检测推迟到后期阶段，所获得的关键点比基于早期低层结构检测的传统关键点更为稳定。我们展示了该模型可以利用从现成的大规模SfM（Structure from Motion）重建中提取的像素对应点进行训练，而无需任何额外注释。所提出的 方法在困难的Aachen Day-Night定位数据集和InLoc室内定位基准测试中均取得了最先进的性能，并且在其他图像匹配和三维重建基准测试中也表现出竞争力。