第30名：图像尺寸840下的Private LB得分827

首先，我要感谢组织者举办这次精彩的比赛。非常感谢我的队友兼朋友 @jaafarmahmoud1 的辛勤工作，我们真的很享受再次在 Kaggle 上合作。

我对这次比赛不满意的地方

• 训练数据和测试数据之间的不一致性。所以如果你专注于验证集，你很可能会最终掉出奖牌区。我原本以为私有测试集会很难，以测试模型的鲁棒性和稳定性，但它似乎与公共数据非常相似（就结果而言）。

我们的解决方案：

我们开发了两种解决方案，一种是为了最大化验证集分数，另一种是为了最大化LB（排行榜）分数。

最佳验证集提交：

在验证数据上测试了 SuperPoint + SuperGlue, DKM, Loftr, Loftr QuadTree 和 MatchFormer 之后。我们注意到其中一些模型影响（增加）了简单场景的分数，如 "notre_dame_front_facade"，但降低了其他（困难-中等）场景的 MAA，如 "colosseum_exterior"，这表明如果数据更具一般性，结果会有巨大的差异（波动）。同一场景的差异可能高达 0.08。

为了克服这个问题，我们验证了模型的组合，并选取每个场景的最佳结果来标记数据。我们训练了一个分类模型来判断何时使用 DKM + Matchformer light 以及何时忽略，同样也判断何时使用 SuperPoint + Loftr 以及何时忽略。应用于所有图像的主要部分（模型）是 MatchFormer 和 Loftr QT 的集成。

对所有人都有效的技巧：

• 使用 Loftr 可以随输入传递一个掩码。这个掩码原本是用于填充的，所以如果你将图像从 840 x ? 填充到 840x840 并传递一个指示填充区域要忽略的掩码，结果会变得更好，提升高达 +0.01。
• 基于掩码的想法，如果你传递深度或分割掩码而不是仅仅传递填充掩码，那将改变匹配点和匹配项，为你提供另一个集成方案来增加并提升你的结果，高达 +0.01。
• 输入反转：代替将图像作为 inp1, inp2 传递，将它们作为 inp2 然后 inp1 传递，你也可以翻转它们以获得更好的结果，但这确实是一个非常好的方法来解决 Loftr 模型的网格问题，提升高达 0.015。它也适用于 SuperGlue，因此你可以应用一次 SuperPoint 配合两次 SuperGlue + 0.006。

该模型在公共 LB 上得分 0.813，在私有 LB 上得分 0.816。

最佳提交

我们在 LB 上的最佳提交使用了相同的模型，但没有 Loftr QT。分类模型仅用于确定是否使用 DKM。主要模型是 SP + 2个 SuperGlue, Loftr, MatchFormer 反向 和 MatchFormer light。

尝试过但无效的方法：

• 除了 MAGSAC++ 之外，其他方法（包括 USAC_ACCURATE, DEGENSAC, VSAC ..）都更差。
• MEMORIZE：从两张图像中寻找第三张与两者具有更高覆盖率的图像，并计算 F 矩阵：
  $$X_1^t F_{12} X_2 = X_1^t F_{13} X_3 X_3^t F_{32} X_2 -> F_{12} = F_{13} X_3 X_3^t F_{32} $$
• OANet - Disc - HardNet 和（任何其他公共模型）
• 多步骤 MAGSAC
• 除了翻转之外的 TTA（测试时增强）效果不佳 :(
• 裁剪感兴趣区域（具有主要匹配数量的区域）或多个区域

希望我对这次比赛的贡献有所帮助，感谢大家，祝贺所有奖牌获得者。