Triple-Structure-Attention

SGFormer 网络通过结构引导注意力改进局部特征匹配

研究人员开发了 SGFormer，这是一种新颖的、感知结构的匹配网络，旨在改进摄影测量中的局部特征匹配。该新网络解决了标准 Transformer 中的“注意力发散”问题，在该问题中，不相关区域中的相似特征可能会获得不应有的权重，尤其是在视点变化很大的场景中。SGFormer 包含一个三结构注意力 (TSA) 模块，该模块使用浅层局部特征来引导 Transformer 关注重叠区域内的显著结构，从而提高匹配的准确性和可靠性。