SuperGlue: 그래프 신경망을 이용한 특징 매칭 학습

본 논문은 두 세트의 국소 특성을 일치시키는 데 사용되는 SuperGlue라는 신경망을 소개합니다. SuperGlue는 대응점을 찾고 불일치 가능한 점들을 거부하는 과정을 동시에 수행합니다. 할당은 그래프 신경망이 예측한 비용을 기반으로 미분 가능한 최적 운송 문제를 해결하여 추정됩니다. 우리는 주의 메커니즘(attention)을 기반으로 하는 유연한 컨텍스트 집계 메커니즘을 도입하여, SuperGlue가 3D 장면과 특성 할당에 대해 공동으로 추론할 수 있도록 합니다.전통적인, 수작업으로 설계된 휴리스틱과 비교하여, 우리의 기술은 이미지 쌍에서 end-to-end 학습을 통해 3D 세계의 기하학적 변환과 규칙성에 대한 사전 지식(priors)을 학습합니다. SuperGlue는 다른 학습 기반 접근 방식보다 우수하며, 도전적인 실내 및 실외 환경에서 자세 추정(pose estimation) 작업에서 최신 수준의 결과를 달성하였습니다. 제안된 방법은 현대 GPU에서 실시간으로 매칭을 수행할 수 있으며, 현대 SfM 또는 SLAM 시스템에 쉽게 통합될 수 있습니다. 코드와 학습된 가중치는 https://github.com/magicleap/SuperGluePretrainedNetwork에서 공개적으로 이용 가능합니다.