davnords/LoMa

LoMa 是一组 局部特征匹配器 — 用于在两幅同一场景的图像之间找到对应点的算法。它被设计为 LightGlue 和 RoMa 等现有匹配器的更快、更鲁棒的替代方案。

功能： 给定两幅图像（例如，从不同角度拍摄的建筑物照片），LoMa 会识别每幅图像中哪些像素对应于世界中的同一物理点。这是 3D 重建（运动恢复结构，SfM）、视觉定位和机器人导航的核心构建模块。

主要特性：

• 速度 + 准确性： 速度与 LightGlue 相当，但显著更鲁棒、更准确，甚至在基准测试中超越了更重的 RoMa。
• 即插即用替换： 由于使用局部关键点描述，它可以在 SfM 和视觉定位流水线中直接替换现有匹配器，无需更改系统其余部分。
• 多种模型尺寸： LoMa-B（与 LightGlue 同等大小）、LoMa-B128、LoMaL 和 LoMa-G（更重、更准确）—— 让用户可根据需求在速度与精度之间权衡。
• 旋转不变性： 提供可处理图像旋转的变体，解决了现实世界匹配中的常见挑战。

使用方法： 使用简单的 Python API — 加载预训练模型（LoMaB()）并在图像对上运行。仓库包含演示脚本和预训练权重。

来源： 由查尔默斯大学、林雪平大学、阿姆斯特丹大学和隆德大学的学术研究支持，论文发表于 ECCV 2026（主会议）和 CVPR 2026 工作坊（旋转不变性）。