【获奖资格】第16名方案 - ALIKED4Khh+DISKh+SIFT

感谢 IMC 2024，这始终是一个有趣且良好的代码与思路测试和实验场所，可以与过去的方案进行基准对比！无论结果如何，所有比赛的共同点在于所获得的知识——宝贵的知识和见解。

最终解决方案的路径

首要的是，最重要的是，在过去三届 IMC 中阅读论文和代码，直至形成“解决方案层面的认知”，找到挑战、解决方案和最终总结，了解哪些有效，哪些无效。

为 IMC 2024 打基础的三个要点

• Colmap 随机性 – 注意它，如有必要在验证阶段进行修复。
• 获奖资格 – 许多顶尖方案使用 SP‑SG 组合，但为了奖项和主要主办方挑战，请使用正确的许可证。过滤掉不符合获奖资格的方案，收集使用正确许可证的最佳代码和思路，并尝试进一步开发。
• 验证集 – 在验证思路时，尝试寻找与公开排行榜之外的其他关联。

验证集

从阅读过去主办方的比赛回顾可以看到，在各数据集结果中，Urban 数据集是最难找到解决方案的，其团队得分也与 IMC 2024 公开数据集得分相似，并且主办方还有一条评论“没有任何团队尝试处理这部分”——可以猜测主办方可能想让这种情况在本次出现。

总之，私有测试集是未知的，因此最好的做法是收集一个多样化的验证集，我使用了过去的比赛以及 IMC2020 PhotoTourism 数据集以及当前比赛的数据集来进行验证。

符合获奖资格的解决方案

我从使用过去两届的冠军和亚军获奖代码开始，尝试并行开发并验证，以权衡风险、回报和工作量，最终提交。

AffNetHardNet8 + AdaLAM 方案

在进行进一步测试之前，我首先修复了随机性。

通过验证，我发现混合不同图像尺寸以及使用 Harris 角点模型在验证集和排行榜上效果最好。最终获得较好综合分数的设置是：KeyNet 使用低图像尺寸，GFTT 与 DoG 使用中等尺寸，以及不同尺寸的 Harris 角点的混合，同时提高 RANSAC 阈值也有帮助。

许多未修复随机性的方案得分更高，但我无法保证（它们）;)

我曾想实现来自另一方案的最近邻匹配，并且尝试使用 MatchFormer 和 QuadTreeAttention——这些代码来自我在 IMC 2022 的第21名方案，但由于时间不足，未能实现。

ALIKED4Khh+DISKh+SIFT 方案 – 我的最佳公开/私有分数 0.177459 / 0.74038

它使用了如 lightglue、netvlad 检索、pixsfm、旋转匹配等功能，以定位未注册的图像。详细信息见下方链接。

阅读过去顶尖方案的赛后测试和验证，我发现当更改默认设置时，那些数值是一个不错的起点。然而在通过验证检查进行调优后，我发现更高的 ALIKED 检测阈值和强制调整图像尺寸效果更好。

我还计划实现新发布的开源 SuperPoint，做到约 50% 的特征提取，但由于时间不足，未能完成最终的 sp‑lightglue 代码。

其他

我尝试将上述方案组合，针对不同场景使用不同设置进行提交。由于不同验证场景的分数会有所变化，效果还不错，但由于私有场景未知，我不愿冒险。