RoMa-Ω 代码开源:VGGT-Ω 特征让图像匹配器在困难基准大幅领先
kwangmoo_yi · x · 2026-09-11
作者补充放出 RoMa-Ω 的 GitHub 仓库(davnords/RoMa-Omega),论文已被 ECCVW 2026 接收。
- 方法:将 RoMa v2 的 DINOv3 backbone 换成 VGGT-Ω 特征并重训,得到 RoMa-Ω。
- 结果:在多数基准上略强于 RoMa v2,在困难基准上明显更强,整体在广泛基准上超越 RoMa 与 RoMa v2,达到 SOTA;在 RoMa v2 表现不佳的 WxBS 与 HardMatch 上尤其突出。
- 定位:强大但较慢的稠密匹配器;仓库含论文 PDF、实验与源码,作者来自 Chalmers、上海科技大学、École des Ponts 等。
所属事件:RoMa-Ω 用前馈 3D 模型特征刷新图像匹配纪录并开源(3 条相关)→
「研究」频道最新
- 递归去噪器研究：给扩散模型加隐状态，推理越久解越准 — burkov · 2026-09-11
- S2-Attention：用 Triton 内核让稀疏注意力真正跑出实测加速 — burkov · 2026-09-11
- 开发者提议建游戏 AI 持续锦标赛 benchmark 引labs互卷 — lucasmeijer · 2026-09-11
- DeepSeek V4.1 Flash 技术深读:死磕 KV cache 压缩造就高效前沿模型 — nrehiew_ · 2026-09-11
- TTS 基准改按可听见音频计时，Gradium 从 430ms 优化到 214ms — mattturck · 2026-09-11
- NVIDIA Nemotron 3 Embed 8B 登顶 Perplexity 新基准 Q2D-Web — JFPuget · 2026-09-11