SCCM：ERP 密集特征对应的球形一致粗匹配

等距柱状投影 (ERP) 是 360$^\circ$ 图像的标准表示形式，ERP 上强大的密集特征匹配支撑着全景立体、视图合成和全向 SLAM。在平面图像上训练的密集匹配器在 ERP 上会系统性地退化，因为图表引入了三种耦合失真——拓扑、度量和面积——标准粗略匹配和可见性估计没有明确建模。我们证明，在粗阶段接口处纠正它们出现的三种失真——注意力中的成对失真、共视门控中的每像素失真——在固定粗支架下的 Matterport3D 上将 PCK@$1^\circ$ 从 0.229 提高到 0.275，而细化器架构不变——我们的中心结果。具体来说，SCCM（球形一致粗匹配）通过两个球导出的先验增强了图表朴素的交叉注意/双softmax粗匹配器：球形位置注意（SPA）将偏航周期RoPE（拓扑）与切平面偏差（度量）配对，区域感知协同可见性（AAC）应用前S形对数面积校正（面积）。纯图表支架作为受控参考，将支架替换效应与球形先验效应分开。 SCCM 在 RoMa V1 框架中实例化，具有相同的冻结编码器、精炼器架构和损失，在统一的 ERP 密集匹配协议下，SCCM 的性能也优于 ERP 原生 EDM (0.163) 和 ERP 重新训练的 RoMa V1 (0.198)，而透视训练的匹配器在 ERP 上基本上失败。它将零样本进一步转移到斯坦福2D3D，并且在室外 Holo360D 上训练时，也领先于此。