第六名解决方案

我想感谢主办者和 Kaggle 工作人员组织了如此激动人心且实用的比赛！
我也要感谢指出指标 bug 的竞争对手，以及工作人员及时解决这些问题。

概述

• 为了增加具有一致方向的匹配对数量，检测了所有图像的方向并通过旋转图像相应地对齐它们。

• 与去年许多顶尖竞争对手一样，我主要使用 ALIKED 进行关键点检测，使用 LightGlue 进行匹配。

• 我没有使用全局特征，而是匹配所有图像对，并过滤掉前 k * log(n)/(n-1)% 的图像对，以准确地提取每个场景（簇）内的匹配。这里，k 是调整选择比例的参数，n 是数据集中的图像数量。

• 为了使用少量准确的对来提高 mAA 分数，我采用了两种互补策略：本地，我应用高密度裁剪匹配，裁剪具有密集匹配关键点的区域；全局，我应用图像四分割，将每个图像分成四部分，这显著增加了整个图像的匹配关键点数量。

• 为了减轻因图像尺度导致的 mAA 分数波动，对过滤和高密度裁剪匹配在多个尺度（resize_to = 1024, 1280, 1536, 2048）上执行，并集成到 colmap 中。

流程

我提交了两个 Notebook。

*CV 使用了 train 文件夹中的所有数据集。

① 最佳 CV

步骤

1. 检测每张图像的方向并旋转它们以一致地对齐方向。( https://github.com/ternaus/check_orientation )

2. 使用 ALIKED (resize_to=1024) + LightGlue 匹配所有图像对。

3. 根据匹配数量选择前 k * log(n)/(n-1)% 的对。k 是调整选择比例的参数，n 是数据集中的图像数量。
   k 是通过实验确定的，旨在同时在 CV 和 LB 上取得高分。同样的理由适用于后续步骤。

4. 使用步骤 3 中过滤后的图像对 (k=7)，使用 ALIKED (resize_to=1280, 1536, 2048) + LightGlue 进行匹配，并再次选择前 k * log(n)/(n-1)% 的对。

5. 从所有尺度 (resize_to=1024,1280,1536,2048) 的合并结果中，选择前 k=1.5 的对。

6-1. 将每张图像分成四部分，并使用 ALIKED (resize_to=1024) + LightGlue 进行匹配。

6-2. 从每张图像中裁剪具有高匹配密度的区域，并使用 ALIKED (resize_to=1024,1280,1536,2048) + LightGlue 进行匹配。

② 最佳 LB (仅描述)

步骤

1. 检测每张图像的方向并旋转它们以一致地对齐方向。

2. 使用 ALIKED (resize_to=1024, 1280, 1536, 2048) + LightGlue 匹配所有图像对。

3. 构建一个无向图，其中节点是图像，边权重是平均匹配数量。

4. 使用 Louvain 方法对图进行聚类。对于每个簇，选择前 k * log(n)/(n-1)% 的图像对（k 是调整选择比例的参数，n 是簇中的图像数量）。
   Louvain 分辨率参数设置为较小的值 (resolution=0.1) 以避免过分割。

5. 从所有尺度 (resize_to=1024,1280,1536,2048) 的合并结果中，选择前 k=1.5 的对。

6-1. 将每张图像分成四部分，并使用 ALIKED (resize_to=1024) + LightGlue 进行匹配。

6-2. 从每张图像中裁剪具有高匹配密度的区域，并使用 ALIKED (resize_to=1024,1280,1536,2048) + LightGlue 进行匹配。

未生效或未尝试的方法

• 完全基于匹配数量进行聚类；诸如 fbk_vineyard 和 stairs 之类的场景即使使用 DBSCAN 或图划分也难以分类。
• 调整 COLMAP 参数并没有提高分数。
• 无检测器匹配器（如 OmniGlue 或 DKM）比 ALIKED + LightGlue 慢，因此未采用。

最后

去年，由于大量奖牌买卖者被封禁以及由此导致的团队人口变化，我的奖牌从金牌降级为银牌。
但今年，我很高兴赢得了金牌！

谢谢