摘要

我们介绍了LightGlue，这是一种深度神经网络，用于学习在图像之间匹配局部特征。我们重新审视了在稀疏匹配领域处于领先地位的SuperGlue的多个设计决策，并推导出了一些简单但有效的改进措施。这些改进措施累积起来使得LightGlue在内存和计算方面更加高效，精度更高，并且训练过程也变得更加容易。一个关键特性是，LightGlue能够适应问题的难度：对于直观上容易匹配的图像对（例如具有较大视觉重叠或外观变化有限的情况），推理速度要快得多。这为在对延迟敏感的应用中部署深度匹配器（如3D重建）带来了令人兴奋的前景。代码和训练模型已公开发布在https://github.com/cvg/LightGlue。