D2-Net: شبكة CNN قابلة للتدريب لاكتشاف ووصف الخصائص المحلية بشكل مشترك
في هذا العمل، نتناول مشكلة العثور على مطابقات بيكسلية موثوقة في ظروف التصوير الصعبة. نقترح منهجًا حيث تقوم شبكة عصبية تلافيفية واحدة بدورين متزامنين: فهي تعمل كوصفاء خصائص كثيفة وككاشفة للخصائص في آن واحد. من خلال تأجيل الكشف إلى مرحلة لاحقة، تكون النقاط الرئيسية الم��َكة أكثر استقرارًا من نظيراتها التقليدية التي تعتمد على الكشف المبكر للهياكل ذات المستوى المنخفض. نظهر أن هذا النموذج يمكن تدريبه باستخدام مطابقات البيكسل المستخرجة من إعادة بناء SfM (Structure from Motion) على نطاق واسع ومتوفرة جاهزة، دون الحاجة إلى أي شروحات إضافية. يحقق الطريقة المقترحة أداءً رائدًا في كلٍ من مجموعة بيانات تحديد الموقع Aachen Day-Night (آخن ليوم-ليل) الصعبة وفي مقاييس تحديد الموقع الداخلية InLoc (إنلوك)، بالإضافة إلى أداء تنافسي على مقاييس أخرى لتطابق الصور وإعادة بناء ثلاثي الأبعاد.