疎な局所特徴量抽出は、同時局所化とマッピング、画像マッチング、3次元再構築などの典型的なビジョンタスクにおいて重要な意義を持つと一般的に認識されています。現在でも、さらなる改善が必要ないくつかの欠点が存在しており、主に抽出された局所記述子の識別力、検出されたキーポイントの局所化精度、および局所特徴量学習の効率性が挙げられます。本論文では、カメラポーズ監督を用いた現在の人気のある疎な局所特徴量学習の向上に焦点を当てています。そのため、弱教師あり局所特徴量（SCFeat）学習のために4つの軽量かつ効果的な改良を提案する共有結合ブリッジスキームを提示します。主な内容は以下の通りです：i) 局所記述子学習用の \emph{Feature-Fusion-ResUNet バックボーン} (F2R-バックボーン)、ii) 識別ネットワークと検出ネットワークの分離訓練を改善するための共有結合ブリッジ正規化、iii) キーポイント検出にピーク測定機能を備えた改良型検出ネットワーク、iv) 特徴量検出訓練のさらなる最適化のために基本行列誤差を使用した報酬因子。広範囲にわたる実験により、私たちのSCFeat改良が有効であることが証明されました。古典的な画像マッチングや視覚的局所化においてしばしば最先端の性能を得ることができました。3次元再構築に関しては依然として競争力のある結果を得ています。共有とコミュニケーションのために、私たちのソースコードは https://github.com/sunjiayuanro/SCFeat.git で利用可能です。