第 7 名解决方案

感谢图像匹配挑战赛的所有组织者和参与者。这次竞赛让我们有机会跟进许多 3D 视觉相关的研究，并更好地理解 COLMAP 的实现。

我们的解决方案是 IMC'24 冠军解决方案 的定制版本。我们新的实验（不属于 IMC'24 解决方案的部分）大部分都以失败告终。主要特点如下：

• 对所有图像对进行匹配和旋转校正
• 匹配后聚类

整体流程如下：

使用相似性图进行聚类

为了从数据集中提取簇，我们基于内点数量创建了一个相似性图。低于阈值的边从该图中被移除， resulting 的连通分量被视为簇。孤立点和小的连通分量被视为离群点。

失败的尝试

• 我曾考虑采用 MASt3R-SfM。然而，当我在本地环境中针对 ETs 和楼梯场景运行并评估它时，实验并未产生预期的改进。在这些实验中，我只使用了 MASt3R 的半密集匹配，并在将 MASt3R 的 fastNN 输出的相机姿态转换为竞赛格式后进行了评估。虽然可视化结果最初看起来能准确估计相机姿态，但它们似乎未能达到超越本竞赛评估 metric 阈值所需的精度。
• VGGSfM 和 VGGT 需要大量的显存。因此，我采用了一种仅使用轨迹优化的方法，正如 IMC'24 的第 2 名解决方案所采用的那样。由于 pycolmap API 的变更，我不得不修改大量代码。可能存在 bug，但至少在我的实验中，我没有取得任何改进。