从非均匀2D图像集合中联合学习深度多图匹配与3D几何结构

图匹配旨在建立图中顶点之间的对应关系，使得顶点和边的属性均保持一致。近年来，基于学习的方法被提出用于根据深度图匹配框架，实现图像关键点之间的对应关系识别。然而，这些方法主要关注于学习顶点和边的属性，却完全忽略了二维图像中所描绘的三维物体的几何结构。为填补这一空白，本文提出了一种可训练的框架，利用图神经网络从异质图像集合（即同一类别但不同实例的物体图像集合）中学习可变形的三维几何模型。实验结果表明，与近期基于学习的图匹配方法相比，本文方法在准确率和循环一致性误差方面均表现更优，同时还能恢复出二维图像中所描绘物体的底层三维几何结构。