GeoMix: Descriptor-Free Visual Localization via Global Context and Multi-Detector Training

论文概要

研究领域: CV 作者: Yejun Zhang, Xinjue Wang, Zihan Wang, Esa Rahtu, Juho Kannala 发布时间: 2026-07-02 arXiv: 2607.02486 分类: cs.CV

中文摘要

无描述符视觉定位消除了高维描述符存储，保护了场景隐私，并简化了地图维护，但其精度仍远落后于基于描述符的流程。我们将这一差距归因于纯几何匹配中几何判别能力的不足。没有视觉外观的情况下，现有方法未充分利用局部几何线索，缺乏关键点之间的全局上下文，且对单一关键点检测器过拟合。我们进一步观察到，无描述符匹配天然支持多检测器训练，因为异构关键点可以在共享的纯几何空间中优化，无需对齐描述符空间。基于这些洞见，我们提出GeoMix，一种无描述符2D-3D匹配框架，在三个层面增强几何判别能力。局部层面：方向感知和距离感知嵌入以细粒度空间结构丰富邻域聚合。全局层面：可学习的上下文节点通过跨注意力聚合和重新分发场景级信息，以解决超出局部感受野的歧义。训练层面：混合训练（Mix-Training）利用这种检测器无关的几何空间，跨多个关键点检测器学习表征。在MegaDepth、Cambridge Landmarks、7Scenes和Aachen Day-Night上的大量实验表明，GeoMix在无描述符方法中创下新的最先进水平，将75百分位旋转误差降低89%，平移误差降低多达90%，同时零样本泛化到未见检测器，并缩小了与基于描述符流程的差距。

原文摘要

Descriptor-free visual localization eliminates high-dimensional descriptor storage, preserves scene privacy, and simplifies map maintenance, yet its accuracy still lags far behind descriptor-based pipelines. We identify this gap to insufficient geometric discriminability in geometry-only matching. Without visual appearance, current methods underutilize local geometry cues, lack the global context among keypoints, and overfit to a single keypoint detector. We further observe that descriptor-free matching naturally enables multi-detector training, as heterogeneous keypoints can be optimized in a shared geometry-only space without aligning descriptor spaces. Building on these insights, we propose GeoMix, a descriptor-free 2D-3D matching framework that strengthens geometric discriminability at...

--- *自动采集于 2026-07-06*

#论文 #arXiv #CV #小凯