【无标题】SuperGlue: Learning Feature Matching with Graph Neural Networks

任务：做两张图之间的关键点匹配

方法：

分为attention和匹配两个部分：

attention：

分为self attention（同一张图所有点计算相似度）和cross attention（两张图的所有点之间计算相似度），如下图：上一行为self attention 下一行为cross attention。

具体计算方式：

表示第i个点的初始embedding特征，表示

表示

l表示多层attention aggregation的层数， 表示奇数层计算self attention 偶数层计算crossattention

的计算

q k v的获取，以cross attention为例：

最终点i的matching descriptors：

最终点i与点j的相似度得分计算：

最终的得分矩阵通过对两张图所有点进行匹配。