面向几何的特征匹配用于大规模运动重建

提出基于赋对问题的多模型匹配能量公式和高效求解器，显著增加匹配数量和提高模型拟合精度。

使用仿射协变检测器结合视图合成解决极端视角变化问题，提出Matching On Demand with view Synthesis算法，保证几何估计可靠性并减少速度损失。

基于优化框架和网络流算法的视图图优化框架用于大规模运动结构三维重建，实现高精度、高效、准确重建。

提出以像素级密集配对进行几何对应验证的新模型，应用于长期视觉本地化问题，实验证明具有竞争力。

基于多视图三角化和非线性最小二乘的方法优化局部图像特征的定位精度，提升三角化和相机定位性能。

通过对多个视图中的低级图像信息对齐，提高结构运动精度，采用神经网络优化特征度量误差。

提出无匹配点的概率公式，优雅处理几何感知场景中的多个可能正确姿势解决方案。

提出新的无检测器SfM框架，通过注意力机制多视角匹配改善重建精度，优于现有基于检测器的系统。

解决非刚性点云匹配中缺乏对应注释的问题，提出基于学习的新框架，提升点云匹配准确性，显示强大的泛化能力和稳健性。