具有深度前端的分布式全局结构恢复

通过结合特征提取和匹配方面的发展，我们设计了一个模块化的 SfM 框架，旨在研究全局 SfM 与增量 SfM 方法的性能表现，并且实验证明，在不同数据集上，基于深度学习的两视图对应估计在点密度方面有所提升，但仍不如 SIFT 与增量 SfM 方法相比。

本文介绍了一个用于本地特征与鲁棒估计算法的全面基准测试，通过相机位姿准确性作为主要指标。展示了如何嵌入数十种流行算法进行评估，表明经典算法在适当设置下可能仍能胜过最前沿机器学习研究。提供了一个易于使用和灵活的框架，用于衡量本地特征与鲁棒估计方法，并构建了一个基础性的图像匹配挑战平台。