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)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →