本研究提出了一种多图像匹配方法以估计多个图像之间的语义对应关系，并且利用稀疏可靠特征匹配而非优化所有成对对应关系，同时还提出低秩约束来确保整个图像集上的特征一致性。该方法在多图匹配和语义流基准测试中表现优异，同时在不使用任何注释的情况下对重建对象类模型和发现对象类地标具有适用性。

Nov, 2017

本文综述了计算机视觉和图像分析中非常重要的模板匹配方法，以及其在不变特征和医学图像分析等领域的应用。此外，讨论了源自经典模板匹配的可变形模型和模板，这些模型在图像配准和深度学习算法中应用广泛。虽然模板匹配具有应用限制，但与其他物体识别方法结合应用能显著提高物体检测和识别的准确率。

Oct, 2016

本文提出了一种基于优化的框架来进行多目标匹配，并将输入分成重叠子集并在每个子集中强制实现地图一致性，从而实现分布式制定。实验结果表明，该框架在合成和真实世界数据集上与最先进的多目标匹配技术相比具有竞争力。

Nov, 2016

本文提出了一种通过描述符匹配、连续性限制和 DC 编程来解决三维形状匹配问题的方法，该方法可以在处理非等距变形、拓扑变化和不完整数据的情况下，有效地收敛到一种有意义的连续匹配方案，具有较好的可扩展性。

Jul, 2017

人工视觉系统在识别物体上，受到诸如光照、物体姿态和背景等外在因素的影响，而当前的计算机视觉系统往往无法处理这些变化。我们提出将物体内在属性作为图像相似性度量的基础，将目标重新识别问题扩展到一般的物体类别，并探索了基于物体内在属性的图像相似性度量算法。同时，我们采集了 CUTE 数据集，其中包含 180 个物体的 18000 张图像，分别在光照、姿态和成像条件等不同外在因素下。通过将对比度自监督学习学到的深度特征与前景过滤相结合，我们提出了一种简单而有效的方法来近似计算相似性。通过对预训练特征和前景提取方法进行广泛的调研，得出了目前方法中最佳的度量内在物体为中心的图像相似性的强基线。最后，我们证明我们的方法可以在类人主体模拟和提高可泛化性的下游应用中发挥作用。

Nov, 2023

该论文提出了一种基于参数 - free 凸优化程序 MatchLift 的联合匹配算法，该算法在输入地图中的大部分异常值或噪声下仍可以保证接近优化的匹配结果，实现多个只存在部分相似性的对象之间的全局一致性匹配。

Feb, 2014

本文提出了概念 “上下文视觉相似度”，并探讨了在图像搜索应用领域的应用。使用三张图片，通过学习各个图像各个维度的特征权重以及重加权后的距离来确定查询图片与正向图片的相似度，以及他们与负向图片的相异度。

Dec, 2016

本文提出了一种技术，可以估计对象之间的相似度，如电影或食品，其适当的表达取决于人类的感知，这种相似度函数可以捕获一些难以自动提取的人类相似度的概念，当与用户模型相结合时，我们发现每个评估者的口味变化会影响他们对相似度的感知。

Feb, 2018

本论文提出了一种基于 RGB 图像的目标检测匹配的学习方法，结合了局部关键点与新颖的物体级特征，通过关联图神经网络训练，在许多视图上具有较好的性能并优于现有的纯关键点匹配方法。

May, 2023

本研究提出了一种自动检测和表示 RGB 图像语义信息的方法，以实现与非 RGB 地理信息系统（GIS）进行跨视图匹配，利用由语义概念（如交通标志、湖泊、道路、植被等）分配的图像分割区域进行描述符的设计和匹配。实验证明此方法有效。

Oct, 2015