首先，我们要感谢组织者和Kaggle团队举办这次挑战赛，这是一次非常棒的体验。
我们的解决方案
在最终提交中，我们采用了SuperPoint、KeyNet/AffNet/HardNet和SOSNet的集成作为特征检测器/描述子，并使用SuperGlue和Adalam进行特征匹配。我们使用Colmap进行重建和相机定位。我们还使用了hloc来加速流程，并使其在验证和测试时更具可扩展性。
图像检索
我们使用了在hloc中实现的NetVLAD作为图像检索的全局特征描述子。
特征匹配
我们在数据集中首先注意到的是，某些场景包含大量旋转后的图像，我们尝试通过两种方法来解决这个问题：
1) 使用旋转不变的特征匹配器（例如KeyNet/AffNet/HardNet、SOSNet）。
2) 使用轻量级方向检测器检测旋转角度，并相应地旋转图像对，使两张图像具有相似的方向（为简化起见，我们仅将旋转角度设为90、180和270度）。
我们同时尝试了这两种方法，发现它们在Heritage数据集上均能带来相似的提升。然而，通过集成更多特征匹配器，我们在Urban和Haiper数据集上观察到了额外的改进，因此最终采用了这种方法。该集成方案在9小时的时间限制内取得了最佳效果：SuperGlue + KeyNet/AffNet/HardNet（配合Adalam）+ SOSNet（配合Adalam）。在集成模型上使用方向补偿并未带来进一步的提升。
未奏效的方法：
1) 我们首先尝试了这种SOTA方向检测器，但它占用内存过多，无法集成到Kaggle上的流程中。
2) 我们发现基线中的KeyNet/AffNet/HardNet + Adalam是无需任何预处理的最佳单一特征匹配器——仅通过调整参数并将输入图像调整为1600大小，我们就能达到0.455/0.433的分数（相当于第47名），但当我们使用hloc将其集成到流程中时，性能显著下降至0.334/0.277（在本地同样如此，主要体现在Urban数据集上），我们尝试调查原因，但仍未找到答案。
3) 我们尝试了许多近期的特征匹配器及其集成方案，包括DKMv3、DISK、LoFTR、SiLK、DAC，但它们要么表现不佳，要么在集成到流程中时速度过慢。总体而言，我们发现端到端的密集匹配器并不太适合本次多视角挑战，尽管它们在去年的双视角挑战中表现出色，但其速度过慢，且取得的分数也不够理想。以下是一些本地验证结果：
- SiLK（在约800x600分辨率下）：
urban：0.125
haiper：0.165 - DKMv3（在约800x600分辨率下，仍然非常慢）：
heritage：0.185
haiper：0.510 - DISK（在约1600x1200分辨率下）：
urban：0.461
heritage：0.292（使用方向补偿时为0.452）
haiper：0.433 - 使用Adalam的SOSNet（在约1600x1200分辨率下）：
urban：0.031
heritage：0.460（使用方向补偿时相同）
haiper：0.653 - 使用Adalam的Sift / Rootsift（在约1600x1200分辨率下）：
urban：0.02
heritage：0.396
haiper：0.635 - DAC：结果非常差
重建
在合并集成模型中的所有匹配点后，我们在重建模型前于Colmap中应用了几何验证，从而加速了重建过程。
未奏效的方法：
1) 我们尝试使用Pixel-Perfect SFM，在本地搭建后，其视觉效果与我们的流程相当，但由于无法在Kaggle上成功运行，因此未进一步采用。
2) 我们尝试使用MAGSAC++替代Colmap默认的RANSAC函数，以在重建模型前剔除错误的匹配点，但最终得分未出现显著差异。