站长之家（ChinaZ.com）9月8日 消息:Doppelgangers是通图像一个基于学习的方法来区分视觉上非常相似但是物理上是不同3D表面的图像对（我们称之为“庞氏图像”）。研究人员构建了一个包含大量正负样本的过学构图像数据集Doppelgangers，其中正样本是习算同一实际3D表面拍摄的图片，负样本是法区分相不同但视觉上相似的3D表面。

研究人员设计了一个网络架构，利用局部特征点和匹配的通图像空间分布作为输入，以便综合考虑局部和全局线索进行判断。过学构实验结果表明，习算这种方法可以准确区分难以识别的法区分相负样本，并可集成到SfM流程中校正3D重建。似结

这种工具足够智能，可以避免人们可能会犯的过学构错误。它的习算工作原理是根据3D 模型的特点，通过分析图片之间的法区分相微小差异，进而判断它们是似结否来自同一物体。

这一技术在许多领域都有潜在的应用价值，比如在艺术鉴赏、犯罪侦查、甚至是在日常生活中查找丢失的物品等。通过这种技术，我们可以更准确地分辨相似的图片，避免因误解而产生的问题。

本研究的主要创新和贡献包括:

1. 提出视觉消歧问题的定义，将其建模为图像对的二分类任务

2. 构建首个图像视觉消歧评估数据集Doppelgangers

3. 设计了一种网络架构，输入是对齐后的图像和关键点匹配mask， OUTPUT 是一对图像是否匹配的概率

4. 方法可以集成到SfM流程中，过滤错误匹配提高3D重建质量

本工作为处理视觉相似但实际不同的3D表面的图像提供了学习型解决方案，可广泛应用于3D重建、图像匹配等任务中。

(责任编辑：探索)