第8名解决方案

感谢比赛组织者和Kaggle工作人员举办本次精彩比赛并提供坚实支持。每年的图像匹配挑战赛都给我们带来很多启发。我很享受参与本次比赛。

第八名解决方案概述

• 基本上，我采用了 ALiked + LightGlue 方法。
• 由于 ALiked + LightGlue 方法的关键点数量随图像旋转而减少[1]，因此将一幅图像每 90 度旋转一次，以搜索对应点（第一步）。
• 接下来，利用第一步获得的关键点，我对两幅图像进行方向校正，并再次进行图像匹配（第二步）。使用 HomographyMatrix 进行仿射变换来校正图像方向。这样做的原因是可以在不指定图像间旋转角度的情况下校正方向。
• 在 pycolmap 的 incrementalMapping 中，该功能在相机模型 “simple-radial” 与 “simple-pinhole” 设置下实现。为消除结果的随机性，“simple-radial” 运行两次，“simple-pinhole” 运行一次。从 “simple-radial” 与 “simple-pinhole” 的结果中，选择最大的模型作为提交。
• 此外，为在 9 小时内完成上述过程，笔记本使用了 2 个线程（处理关键点提取）和 2 个分叉进程（处理 colmap）。我使用 T4x2 笔记本，并将每个 GPU 分配给每个线程用于关键点提取。

关键点提取

关键点提取的概念图如下所示：

参考资料