跨视图特征匹配：调查、基准测试和基础模型视角

跨视图特征匹配旨在在具有较大视点变化的图像之间建立可靠的对应关系。在过去的十年中，该领域已经从特定于任务的模型发展到日益统一和通用的对应模型，最近的进展受到视觉基础模型（VFM）的出现进一步推动。尽管取得了这些进展，现有研究在问题表述、模型架构、训练范式和评估协议方面仍然高度多样化，使得很难获得对该领域的统一理解。在本次调查中，我们对跨视图特征匹配进行了统一审查。我们首先介绍了一个结构化分类法，涵盖特征提取、单类型特征匹配器、多类型特征匹配器、基于 VFM 的方法、训练策略和鲁棒估计，为分析和比较提供了一个连贯的框架。我们进一步研究最新进展，提炼关键设计原则，并强调向统一和可推广的对应模型的转变。我们还提供一致协议下代表性最先进方法的统一实验基准测试，从而实现公平和全面的性能比较。此外，我们还讨论了开放的挑战和未来的方向，包括极端条件下的效率、鲁棒性和跨领域泛化。本次调查旨在为理解视觉基础模型时代跨视图特征匹配的演变、现状和未来发展提供全面、结构化的参考。