调查发现工业与学术人工智能实验室的计算资源差距主要影响计算密集型研究主题，学术界在技术推动、评估和传播方面的作用较小。学术研究趋向接纳工业开源、预训练模型。建议通过国家赞助的计算基础设施和开放科学倡议增加学术计算资源获取，重点关注可解释性、安全性和保密性研究。同时提出结构化资源获取计划和第三方审计机制。

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。