弱教師あり学習は、大規模な密集ラベル付き対応データセットを取得するという課題を克服するために、局所特徴量手法に貢献することができます。しかし、弱教師あり学習は検出ステップと記述ステップによって引き起こされる損失を区別できないため、直接結合された記述-検出パイプライン内で弱教師あり学習を行うと性能が制限されてしまいます。本論文では、弱教師あり局所特徴量学習に特化した分離型の記述-検出パイプラインを提案します。当該パイプラインでは、検出ステップが記述ステップから分離され、差別的で堅牢な記述子が学習された後に実行されます。さらに、カメラポーズ情報を利用し、より良い記述子の学習のために線-ウィンドウ探索戦略を導入しています。多数の実験結果から、我々の手法（PoSFeat (Camera Pose Supervised Feature)）は以前の完全教師ありおよび弱教師あり手法を上回り、様々な下流タスクにおいて最先端の性能を達成していることが示されています。