EfficientLoFTR

LoFTR yang Efisien: Pencocokan Fitur Lokal Semi-Padat dengan Kecepatan Seperti Jarang

Halaman Proyek | Kertas

LoFTR yang Efisien: Pencocokan Fitur Lokal Semi-Padat dengan Kecepatan Seperti Jarang
Yifan Wang ^* , Xingyi He ^* , Sida Peng, Dongli Tan, Xiaowei Zhou
CVPR 2024

waktu nyata_demo.mp4

Daftar TODO

• Kode inferensi dan model terlatih
• Kode untuk mereproduksi hasil set pengujian
• Tambahkan opsi flash-attention dan torch.compiler untuk kinerja yang lebih baik
• demo notebook jupyter untuk mencocokkan sepasang gambar
• Kode pelatihan

Instalasi

conda env create -f environment.yaml
conda activate eloftr
pip install torch==2.0.0+cu118 --index-url https://download.pytorch.org/whl/cu118
pip install -r requirements.txt 

Tes dan pelatihan dapat diunduh melalui link download yang disediakan oleh LoFTR

Kami menyediakan model terlatih kami di tautan unduhan

Reproduksi hasil pengujian dengan pytorch-lightning

Anda perlu menyiapkan subset pengujian ScanNet dan MegaDepth terlebih dahulu. Kami membuat symlink dari kumpulan data yang diunduh sebelumnya ke data/{{dataset}}/test .

 # set up symlinks
ln -s /path/to/scannet-1500-testset/ * /path/to/EfficientLoFTR/data/scannet/test
ln -s /path/to/megadepth-1500-testset/ * /path/to/EfficientLoFTR/data/megadepth/test

Waktu inferensi

conda activate eloftr
bash scripts/reproduce_test/indoor_full_time.sh
bash scripts/reproduce_test/indoor_opt_time.sh

Ketepatan

conda activate eloftr
bash scripts/reproduce_test/outdoor_full_auc.sh
bash scripts/reproduce_test/outdoor_opt_auc.sh
bash scripts/reproduce_test/indoor_full_auc.sh
bash scripts/reproduce_test/indoor_opt_auc.sh

Pelatihan

conda env create -f environment_training.yaml  # used a different version of pytorch, maybe slightly different from the inference environment
pip install -r requirements.txt
conda activate eloftr_training
bash scripts/reproduce_train/eloftr_outdoor.sh eloftr_outdoor

Kutipan

Jika Anda merasa kode ini berguna untuk penelitian Anda, silakan gunakan entri BibTeX berikut.

 @inproceedings { wang2024eloftr ,
  title = { {Efficient LoFTR}: Semi-Dense Local Feature Matching with Sparse-Like Speed } ,
  author = { Wang, Yifan and He, Xingyi and Peng, Sida and Tan, Dongli and Zhou, Xiaowei } ,
  booktitle = { CVPR } ,
  year = { 2024 }
}