EfficientLoFTR下载 - EfficientLoFTR源码下载

EfficientLoFTR

其他源码

下载

高效的 LoFTR：具有稀疏速度的半密集局部特征匹配

项目页面|纸

高效的 LoFTR：具有稀疏速度的半密集局部特征匹配
王一凡^* 、何兴一^* 、彭斯达、谭东丽、周小伟
CVPR 2024

实时演示.mp4

待办事项列表

推理代码和预训练模型
用于重现测试集结果的代码
添加 flash-attention 和 torch.compiler 选项以获得更好的性能
用于匹配一对图像的 jupyter Notebook 演示
训练代码

安装

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

测试和训练可以通过LoFTR提供的下载链接下载

我们在下载链接中提供了我们的预训练模型

使用 pytorch-lightning 重现测试结果

您需要首先设置 ScanNet 和 MegaDepth 的测试子集。我们创建从之前下载的数据集到data/{{dataset}}/test符号链接。

 # 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

推理时间

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

准确性

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

训练

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

引文

如果您发现此代码对您的研究有用，请使用以下 BibTeX 条目。

 @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 }
}