Online Invariance Selection for Local Feature Descriptors论文笔记文章主要内容文章主要贡献算法分析实验结果
论文链接：https://arxiv.org/pdf/2007.08988.pdf代码：https://github.com/rpautrat/LISRD文章主要内容本文指出当前特征描述子的局限性在于通用性和区分性的取舍：如果一种描述子有很好的不变形，这也意味着它包含更较少的特征信息。论文通过分解局部描述子中的不变性并在给定上下文的情况下，在线选择最合适不变性的方式来克服此限制。文章主要贡献1、使用一个网络，通过多任务学习的方式学习出适应多种变化组合的描述子。2、提出一种轻量级的meta des
