이미지 매칭을 위한 특징점 외에도, 선형 특징은 로봇공학 및 컴퓨터 비전(CV) 분야에서 시각 기하 문제를 해결하기 위한 추가적인 제약 조건을 제공한다. 최근의 합성곱 신경망(CNN) 기반 선형 기술자들은 시점 변화나 동적 환경에서도 유망한 성능을 보이고 있으나, 본 논문에서는 CNN 아키텍처가 변동 가능한 선 길이를 고정된 차원의 기술자로 추상화하는 데 내재된 단점이 있다고 주장한다. 본 논문에서는 변동 가능한 선을 효과적으로 다룰 수 있는 Line-Transformers를 제안한다. 자연어 처리(NLP) 작업에서 문장이 신경망을 통해 잘 이해되고 추상화될 수 있다는 점에 영감을 받아, 선분을 ‘점(단어)’들을 포함하는 ‘문장’으로 간주한다. 선 위의 잘 설명 가능한 점들에 동적으로 주목함으로써, 본 기술자는 변동 가능한 선 길이에 대해 뛰어난 성능을 발휘한다. 또한, 선의 기하적 특성을 이웃 영역과 공유하는 선 서명 네트워크(line signature networks)를 제안한다. 이러한 네트워크는 그룹 기술자로서 작동하여 선 간의 상대적 기하 구조를 이해함으로써 선 기술자의 성능을 향상시킨다. 마지막으로, 제안된 선 기술자와 매칭 방식을 Point and Line Localization (PL-Loc) 시스템에 통합하였다. 본 연구에서는 특징점만을 사용하는 시각적 위치 추정 성능이 본 연구의 선 특징을 활용함으로써 개선됨을 보였다. 제안된 방법의 유효성을 호모지니티 추정 및 시각적 위치 추정 문제에 대해 검증하였다.