企业官网建设流程全解析

4096 个点，实时匹配：XFeat + LighterGlue 轻量图像匹配 5 分钟跑通

【免费下载链接】accelerated_featuresImplementation of XFeat (CVPR 2024). Do you need robust and fast local feature extraction? You are in the right place!项目地址: https://gitcode.com/GitHub_Trending/ac/accelerated_features

XFeat 图像匹配（accelerated_features 仓库）是用 CVPR 2024 的特征提取器 XFeat 加上 LighterGlue 匹配器组成的轻量级图像匹配流水线，在笔记本 CPU 上就能实时跑，适合想把 SLAM、AR、三维重建里的配准环节先跑起来再深挖的人。两张照片，要在百毫秒量级找出几千对对应点、又不想部署重型模型，这个仓库就是干这个的。文章顺序：先让它动，再讲分工，最后聊调参。

🎬 先看到它在动：三条命令跑通实时匹配演示

体感最快的方式是仓库自带的摄像头演示。

git clone https://gitcode.com/GitHub_Trending/ac/accelerated_features cd accelerated_features pip install -r requirements.txt # 实时匹配：按 s 设参考帧，q 退出 python realtime_demo.py --method XFeat

窗口上下两栏：上面是参考帧与当前帧，下面是对应点连线，旁边标注匹配数量和配准 FPS。把--method换成 ORB 或 SIFT，同一台相机下三种方法直接可比；--max_kpts（默认 3000）控制关键点预算。下面这两张是演示里很典型的一组输入：一张教堂素描特写，一张把装框的同一幅画挂上砖墙后的实拍——视角和尺度差都很大，匹配依然站得住。

提醒一句：演示用的是单应（homography）估计，只对平面场景和纯旋转相机成立，对着墙面平移时连线会乱，这是模型限制，不是 bug。

分工：XFeat 管提取，LighterGlue 管匹配

XFeat 是一个编码器分出三个头：

• 共享编码器：早期下采样到 H/8、全程 64 通道，用宽度换速度；
• 关键点头：把特征图拆成 8×8 小块，用 1×1 卷积直接出关键点热力图；
• 描述符头：上采样融合出 64 维稠密描述符图，再按关键点位置采样；
• 可靠性头：给每个点打分，top_k按分数取最优。

检测和描述是解耦的，可以只跑其中一半。XFeat*（半稠密模式）在粗匹配之上多了一个亚像素精化模块。匹配端，LighterGlue 是作者为 XFeat 专门训练的 LightGlue 简化版：6 层、1 个注意力头，比原版 LightGlue 快约 3 倍。MegaDepth-1500 上 Fast 配置（最大边 640、1300 点）XFeat+LighterGlue 的 AUC(@5/10/20) 是 0.444/0.610/0.746，对比 SuperPoint+LightGlue 的 0.469/0.633/0.762——精度差一个身位，速度快三倍。

最小可跑 API：从图像到对应点

import torch from modules.xfeat import XFeat xfeat = XFeat() # 自动加载 weights/xfeat.pt，GPU/CPU 自动选 x = torch.randn(1, 3, 480, 640) # (B, C, H, W)，灰度或 RGB 都行 out = xfeat.detectAndCompute(x, top_k=4096)[0] print(out['keypoints'].shape) # (N, 2) 像素坐标，已回投到原图 print(out['descriptors'].shape) # (N, 64) L2 归一化 print(out['scores'].shape) # (N,) 可靠性分数

匹配一行一个：

# 稀疏：互近邻 + 余弦阈值，batch 为 1 mkpts_0, mkpts_1 = xfeat.match_xfeat(x1, x2) # 两个 (N, 2) 的 np 数组 # 半稠密：批量输入，先粗匹配再亚像素精化 matches = xfeat.match_xfeat_star(x1b, x2b) # 列表，每项 (N, 4) 即 (x1,y1,x2,y2)

仓库根目录的 minimal_example.py 把这套接口走了一遍；带匹配和单应估计的完整流程见 notebooks/xfeat_matching.ipynb。

⚡ 提速与取舍：四个旋钮

• 批量：输入第一维就是 batch。README 报告 RTX 4090 上 VGA 稀疏批量推理约 1400 FPS，batch=1 也有 150+ FPS 且 GPU 还剩余量。
• GPU：minimal_example.py 里有os.environ['CUDA_VISIBLE_DEVICES'] = ''强制 CPU，注释掉它，模型自动走 CUDA。CPU 实时稀疏只到 VGA 才舒服，更高分辨率就上 GPU。
• top_k：默认 4096，演示默认 3000。点多召回高但匹配更慢，点太少纹理少的场景会漏。
• 阈值与分辨率：detection_threshold默认 0.05，调低多取弱响应点；输入分辨率内部自动对齐到 32 的倍数，不用自己裁，但分辨率上去计算量是平方级涨。

CPU 上的耗时分布见下图：稀疏 XFeat 的检测+描述+匹配合计约 130ms，其中检测本身只有几毫秒，大头花在匹配上；半稠密 XFeat* 多一个精化阶段，总量约 200ms。

数据说话：速度-精度折中

一句话解读：ScanNet VGA 下，XFeat 帧率比 SuperPoint、DISK 高数倍，姿态精度也明显更高；ORB 最快，但精度掉得厉害。XFeat 与 XFeat* 都待在第一象限，两者的取舍随数据集变化。大视角、大光照变化下的最终匹配效果如下：

🤔 先被问烂的三个问题

权重在哪？weights/xfeat.pt（提取器）和weights/xfeat-lighterglue.pt（匹配器）。XFeat()默认自动加载前者；调用 LighterGlue 时若缺后者会自动下载，见 modules/lighterglue.py。仓库里 hubconf.py 另提供 torch.hub 入口。

图像怎么喂？标准输入是(B, C, H, W)的 float 张量，灰度或 RGB 均可；传 numpy 的(H, W, C)会被parse_input自动转换并除以 255。分辨率不用预先对齐，内部会对齐到 32 的倍数，坐标回投回原图。

怎么集成到自己项目？在仓库里from modules.xfeat import XFeat直接用；XFeat+LighterGlue 的组合用法以 notebooks/xfeat+lg_torch_hub.ipynb 为最完整的参考。

接下来往哪走

XFeat 管"提得快而稳"，LighterGlue 管"配得准而快"，两者串起来在 CPU 上已经是实时。下一步自然是接进姿态估计或 SLAM 后端，拿它做视觉定位与多视图三维重建；要做端侧部署，也可以顺着 README 的 TODO 把提取器导出成 ONNX/TensorRT。

【免费下载链接】accelerated_featuresImplementation of XFeat (CVPR 2024). Do you need robust and fast local feature extraction? You are in the right place!项目地址: https://gitcode.com/GitHub_Trending/ac/accelerated_features