LFTA：轻量级特征提取与加性注意力的特征匹配方法

来源：电子与信息学报杂志2025年第8期北京时间：

作者：郭志强, 汪子涵, 王永圣, 陈鹏羽

单位：1.武汉理工大学信息工程学院 武汉 4300702.武汉理工大学汽车工程学院 武汉 430070

摘要：近年来，特征匹配技术在计算机视觉任务中得到了广泛应用，如3维重建、视觉定位和即时定位与地图构建(SLAM)等。然而，现有匹配算法面临精度与效率的权衡困境：高精度方法常因复杂模型设计导致计算复杂度攀升，难以满足实时需求；而快速匹配策略通过特征简化或近似计算虽实现亚线性时间复杂度，却因表征能力受限与误差累积，无法达到实际应用中的精度要求。为此，该文提出一种基于加性注意力的轻量化特征匹配方法—LFTA。该方法通过轻量化多尺度特征提取网络生成高效特征表示，并引入三重交换融合注意力机制，提升了在复杂场景下的特征鲁棒性；同时提出了自适应高斯核生成关键点热力图和动态非极大值抑制算法，以提高关键点的提取精度；此外，该文设计了结合加性Transformer注意力机制和深度可分离卷积位置编码的轻量化模块，对粗粒度匹配结果进行微调，从而生成高精度的像素级匹配点对。为了验证所提方法的有效性，在MegaDepth和ScanNet两个公开数据集上进行了实验评估，并通过消融实验和对比实验验证了各模块的贡献和模型的综合性能。实验结果表明，所提算法在姿态估计上的性能相比于轻量化的算法有显著提升，且与性能较高的算法相比推理时间有显著下降，实现了高效性与高精度的平衡。

关键词：特征匹配, 加性注意力机制, 轻量化网络, 自适应关键点提取, 像素级匹配

基金资助：太原市“双百攻关行动”揭榜挂帅项目(2014TYJB0126)