本文提出了一种可扩展的SfM问题求解方法，通过相机聚类算法将大型问题划分为具有重叠的相机簇的子问题，并将局部增量SfM的相对位置应用到全局运动平均框架中以产生准确且一致的全局相机位姿。该方法在重建城市级数据集的相机位姿方面表现出卓越的准确性和鲁棒性。

论文题目“Pixel-Perfect Structure-from-Motion with Featuremetric Refinement”（通过在特征尺度优化进行高精度 SFM），获得 ICCV 2021 最佳学生论文。本文的优化框架可在任何基于局部特征点的 SFM 流程中使用，使用 CNN 提取图像特征图(dense features)，根据稀疏的特征匹配得到初始的...