ALoMa 论文实证:Frobenius 范数是仿射对应任务的糟糕损失函数
ducha_aiki · x · 2026-11-17
论文 ALoMa(Affine Correspondences Beyond Patches)从 LoMa/LightGlue 描述符出发预测仿射形状,改进仿射对应估计。作者 duchaaiki 在回复中分享了一条实用经验:最终不得不改用描述符损失,因为 Frobenius 范数是糟糕的损失函数。
配图显示:论文用 Charbonnier 鲁棒损失(δ=10⁻³)替代平方 Frobenius 损失,在 MegaDepth-1500 上中位仿射误差从 11.9 降到 4.3(配合更好参数化后达 4.0), plain Frobenius 损失确实显著更差。
所属事件:ALoMa 论文将仿射对应估计从图块扩展至整幅图像(2 条相关)→
「研究」频道最新
- 蒙特利尔大学用强化学习探索 SMEFT 算符空间 — Universite-de-Montreal · 2026-11-17
- EACL 论文测 LLM 代码幻觉:10 模型逻辑错误率最高 74% — ponguru · 2026-11-17
- AI agents 重写 3 万条法国法律条文,盲审显示法律缺陷减少 54% — IgorCarron · 2026-11-17
- LLM 后训练中生成与训练并行致数据陈旧,系统分析如何提速蒸馏管线 — burkov · 2026-11-17
- 苹果机器人论文:1000 虚拟家庭合成训练,陌生家庭动作成功率 91% — FuSheng_0306 · 2026-11-17
- 纯 Rust+Vulkan 训练框架 Hierarchos v0.2.0:RDNA3 WMMA 加速与原生多模态训练 — PhysicsDisastrous462 · 2026-11-17