Thinklab-SJTU/ThinkMatch

解決的問題

ThinkMatch 是一個面向研究的框架，旨在簡化深度圖匹配演算法的開發、實作與基準測試。它解決了在圖之間尋找節點對節點對應關係這一 NP-難的組合問題，這對於影像關鍵點匹配、分子匹配以及連結電影與其劇情摘要等任務至關重要。

工作原理

該程式庫提供一系列基於 PyTorch 的最新深度圖匹配方法（例如 GMN、NGM、BBGM 和 COMMON）的實作。它提供標準化的模組與資料集（包含 PascalVOC-Keypoint 與 SPair-71k），讓研究人員能開發新演算法，並在一致的實驗設定下，公平地與現有基準進行比較。

適用對象

主要針對希望開發新圖匹配演算法、發表學術論文，或深入探討現有模型網路結構與超參數的研究人員與開發者。

主要特色

• 全面的模型庫：涵蓋 2018 年至 2026 年間的多種深度圖匹配方法。
• 標準化的基準測試：在 PascalVOC 與 Willow Object Class 等多個資料集上提供詳細的效能指標。
• 彈性的匹配設定：支援兩圖匹配（2GM）、多圖匹配（MGM）以及混合模式的多圖匹配（MGM3）。
• Docker 支援：提供預先設定好的 Docker 映像，可避開複雜的環境設定需求。