سوبرجلو: تعلم مطابقة الخصائص باستخدام الشبكات العصبية الرسومية

يقدم هذا البحث تقنية SuperGlue، وهي شبكة عصبية تقوم بتطابق مجموعتين من الخصائص المحلية من خلال العثور المشترك على المطابقات ورفض النقاط غير القابلة للتطابق. يتم تقدير التعيينات عن طريق حل مشكلة النقل الأمثل القابلة للمفاضلة، والتي يتنبأ تكلفتها بشبكة عصبية للبيانات الرسومية. نقدم آلية مرنة لجمع السياق تعتمد على الانتباه (الاهتمام)، مما يمكّن SuperGlue من التفكير في المشهد ثلاثي الأبعاد والتعيينات الخصائص بشكل مشترك.مقارنة مع التقنيات التقليدية المصممة يدوياً، فإن تقنيتنا تتعلم الأولويات فوق التحولات الهندسية والانتظامات في العالم ثلاثي الأبعاد من خلال التدريب الشامل من أزواج الصور. تتفوق SuperGlue على الأساليب الأخرى المستندة إلى التعلم وتحقق أفضل النتائج في مهمة تقدير الوضع في بيئات داخلية وخارجية صعبة الحقيقة. يمكن للطريقة المقترحة أن تقوم بالتطابق في الوقت الفعلي على وحدة معالجة الرسوميات الحديثة ويمكن دمجها بسهولة في أنظمة SfM أو SLAM الحديثة. الكود والأوزان المدربة متاحان بشكل عام على الرابط: https://github.com/magicleap/SuperGluePretrainedNetwork.