Ushbu tadqiqot turli burchaklar, yoritish sharoitlari yoki muhitlarda olingan ikki tasvir o‘rtasida ishonchli mosliklarni topish uchun GamMa nomli yengil yarim zich xususiyatlarni moslashtirish modelini ishlab chiqqan. Model barcha tasvir xususiyatlarini bir xil tarzda qayta ishlash o‘rniga, moslashtirish nuqtai nazaridan ishonchliroq ko‘ringan hududlarni Mamba asosidagi ketma-ketlik modellashtirishidan oldin tanlaydi. Shu maqsadda Gated Deformable Scanning, Joint Mamba va Gated Deformable Merge komponentlaridan tashkil topgan Gated Deformable Mamba arxitekturasi qo‘llanilgan. GamMa MegaDepth testida 5°, 10° va 20° chegaralarda mos ravishda 65,2, 78,1 va 87,0 AUC qiymatlariga erishgan; 5,7 million parametr, 202,5 GFLOP va 37,9 ms o‘lchangan ish vaqti bilan yarim zich usullar orasida eng yuqori natijani ko‘rsatgan. Model, shuningdek, faqat MegaDepth’da o‘qitilgan bo‘lsa-da, HPatches va ScanNet’ga nozik sozlashsiz ko‘chirilganda asosiy JamMa modelidan yuqori natijalar bergan. Biroq tadqiqot peer-reviewdan o‘tmagan; manbalar ro‘yxati to‘liq emas, ayrim sonli farqlar matn va jadvallar o‘rtasida mos kelmaydi hamda tajribalarda bir nechta o‘qitish takrorlariga oid standart og‘ish yoki ishonch oralig‘i taqdim etilmagan.

GamMa’ning asosiy g‘oyasi shundan iboratki, tasvirdagi barcha kataklar moslashtirish nuqtai nazaridan bir xil qiymatga ega emas. Bino burchaklari, obyekt chegaralari va ajralib turadigan teksturalar ishonchli geometrik belgilarni taqdim etsa, osmon, bo‘sh devorlar, takrorlanuvchi naqshlar yoki xira hududlar noto‘g‘ri o‘zaro ta’sirlarni yuzaga keltirishi mumkin. Gated Index Network moslashtirishdan oldin xususiyat pozitsiyalarini o‘rganiladigan tarzda tartiblaydi va standart sozlamada ularning yarmini tanlaydi. Tanlangan xususiyatlar Mamba bloklari bilan modellashtiriladi, so‘ng asl ikki o‘lchovli xususiyat xaritalariga qayta joylashtiriladi. Canny qirra yo‘qotishi esa ayniqsa teksturasi zaif ichki makonlarda mosliklarni devor kesishmalari, obyekt chegaralari va burchaklar kabi barqarorroq geometrik tuzilmalarga yo‘naltirishni ko‘zlaydi.

Turkiya nuqtai nazaridan baholash: GamMa yondashuvi Turkiyada uchuvchisiz havo vositalari bilan xaritalash, avtonom robotlarni joylashtirish, kengaytirilgan reallik, madaniy merosni uch o‘lchovli hujjatlashtirish, sun’iy yo‘ldosh va havo tasvirlarini moslashtirish, falokatdan keyingi bino taqqoslashlari va sanoat vizual inspeksiya tizimlarida o‘rganilishi mumkin. Amaliyotga o‘tishdan oldin model Turkiyaga xos shahar to‘qimasi, qishloq hududlari, kam yorug‘likli ichki makonlar, zilziladan keyingi shikastlangan binolar, takrorlanuvchi fasadlar va turli kamera turlarida qayta sinovdan o‘tkazilishi kerak. Real vaqtli foydalanish uchun o‘rnatilgan GPU, mobil protsessor va kam quvvatli chekka qurilmalarda ish vaqti hamda xotira sarfi alohida o‘lchanishi lozim. Tadqiqot Turkiyada to‘plangan ma’lumotlar to‘plami, mahalliy avtonom tizim, operatsion dala tajribasi yoki xavfsizlik sertifikatsiyasini taqdim etmagani sababli Turkiyaga xos muvaffaqiyat darajasi yoki dala ishonchliligini bevosita chiqarib bo‘lmaydi.

Mahalliy xususiyatlarni moslashtirish nima?

Mahalliy xususiyatlarni moslashtirish — bir xil jismoniy nuqta yoki tuzilmaning ikki turli tasvirdagi mosini topish muammosidir. Bino burchagi, deraza cheti, yo‘l chizig‘i yoki obyekt chegarasi ikki tasvirda turli masshtab, burchak va yoritishda ko‘rinsa ham, to‘g‘ri moslashtirish tizimi bu nuqtalar o‘rtasida bog‘lanish o‘rnata olishi kerak.

Bu mosliklar quyidagi ilovalarda asosiy kirish ma’lumoti hisoblanadi:

• Vizual joylashuvni aniqlash va kamera pozasini hisoblash,
• Bir vaqtda joylashuvni aniqlash va xaritalash (SLAM),
• Structure-from-Motion orqali uch o‘lchovli model yaratish,
• Ko‘p tasvirli qayta qurish,
• Tasvirlarni hizalash va gomografiyani baholash,
• Robototexnika va avtonom tizimlarda harakatni kuzatish.

Ikki tasvir o‘rtasida ko‘p sonli mosliklar ishlab chiqarishning o‘zi yetarli emas. Noto‘g‘ri mosliklar kamera aylanishi, siljishi va uch o‘lchovli geometriya bahosini buzishi mumkin. Shu sababli moslik miqdori, geometrik aniqlik, bardoshlilik va hisoblash xarajati birgalikda baholanishi kerak.

Siyrak, yarim zich va zich moslashtirish o‘rtasidagi farq

Siyrak usullar avval burchak yoki qiziqish nuqtasini aniqlaydi, so‘ng bu nuqtalarga tegishli deskriptorlarni taqqoslaydi. Hisoblash xarajati nisbatan past; biroq teksturasiz devorlar yoki takrorlanuvchi naqshlar kabi hududlarda yetarli va barqaror tayanch nuqta hosil qilmasligi mumkin.

Zich usullar deyarli har bir piksel yoki kichik tasvir hududi uchun moslikni baholaydi. Bu usullar katta ko‘rinish o‘zgarishlarida kuchli bo‘lishi mumkin, biroq ko‘proq parametr, xotira va hisoblash talab qiladi.

Yarim zich usullar zich moslashtirishning bardoshliligi bilan siyrak moslashtirishning hisoblash samaradorligi o‘rtasida muvozanat o‘rnatishni maqsad qiladi. GamMa shu sinfga kiradi.

Nega Transformer o‘rniga Mamba ishlatilgan?

Transformer asosidagi moslashtiruvchilar tasvirning turli hududlari o‘rtasidagi uzoq masofali aloqalarni self-attention mexanizmi bilan modellashtira oladi. Biroq klassik self-attention hisoblash xarajati qayta ishlanayotgan tokenlar sonining kvadrati bilan ortadi. Yarim zich xususiyat xaritalarida tokenlar soni ko‘p bo‘lgani uchun bu xarajat sezilarli bo‘lishi mumkin.

Mamba arxitekturalari uzun ketma-ketliklarni taxminan chiziqli masshtablanadigan holat-fazo modellashtirish orqali qayta ishlab, arzonroq muqobilni taqdim etadi. JamMa deb nomlangan avvalgi usul Mamba’ni yarim zich xususiyatlarni moslashtirishga moslashtirgan. Tadqiqotning boshlang‘ich nuqtasi JamMa barcha xususiyat pozitsiyalarini qat’iy skanerlash tartibida bir xil qayta ishlashidir.

Qat’iy skanerlash yondashuvidagi muammo nima?

Tasvirdagi har bir hudud ishonchli moslashtirish belgisini olib yurmaydi. Quyidagi hududlar ayniqsa muammo tug‘dirishi mumkin:

• Tekis va teksturasiz sirtlar,
• Bir-biriga o‘xshash deraza yoki g‘isht qatorlari,
• Osmon va bir rangli fonlar,
• Harakat xiralashuvi mavjud hududlar,
• Ikki tasvir orasida ustma-ust tushmaydigan maydonlar,
• Ko‘rish burchagiga qarab ko‘rinishi keskin o‘zgaradigan sirtlar.

Qat’iy skanerlashda bu hududlar ham ishonchli burchaklar va chegaralar qatori ketma-ketlik modellashtirishiga qo‘shiladi. Shu tariqa noaniq xususiyatlar uzoq hududlar bilan o‘zaro ta’sirga kirishib, moslashtirish signaliga shovqin qo‘shishi mumkin. 1-shaklda JamMa’ning ScanNet ichki makonlarida ko‘plab noto‘g‘ri mosliklar hosil qilgan misollari ko‘rsatilgan. Yashil chiziqlar ijobiy, qizil chiziqlar salbiy mosliklarni ifodalaydi.

GamMa’ning umumiy arxitekturasi

2-shakldagi arxitektura to‘rtta asosiy bosqichdan iborat:

1. Mahalliy xususiyatlarni chiqarish,
2. Gated Deformable Mamba bilan qo‘pol masshtabdagi xususiyatlarni tanlash va modellashtirish,
3. Mahalliy oynalarda nozik moslashtirish,
4. Canny qirra nazorati bilan xususiyat pozitsiyalarini o‘qitish.

Kirish sifatida ikki tasvir \(I_A\) va \(I_B\) olinadi. ConvNeXtV2-N tayanch tarmog‘i ikki rezolyutsiyada xususiyatlar hosil qiladi:

• Kirish rezolyutsiyasining \(1/8\) qismida 256 kanalli qo‘pol xususiyatlar,
• Kirish rezolyutsiyasining \(1/2\) qismida 64 kanalli nozik xususiyatlar.

ConvNeXtV2 tayanch tarmog‘ida taxminan 0,65 million parametr mavjud. GamMa modelining to‘liq hajmi esa jadvalda 5,7 million parametr sifatida berilgan.

Axborotli xususiyat qanday ta’riflangan?

Tadqiqot xususiyat pozitsiyasining axborotliligini uchta konseptual komponent bilan ifodalaydi:

\[ S_i = \alpha S_i^{struct} + \beta S_i^{distinct} + \gamma S_i^{consistency}. \]

Bu yerda:

• \(S_i^{struct}\), qirra, burchak yoki tekstura kabi tuzilmaviy aniqlikni;
• \(S_i^{distinct}\), xususiyatning atrofdagi hududlardan ajralib turishini;
• \(S_i^{consistency}\), ikki tasvir orasidagi moslashtirish javobining barqarorligini

ifodalaydi.

Amalda bu uch qiymat alohida-alohida hisoblanmaydi. Gated Index Network moslashtirish yo‘qotishidan keladigan nazorat ostida qaysi hududlar foydali ekanini uchidan-uchigacha o‘rganadi. Tenglama model ko‘zlagan axborotlilik tushunchasini tushuntiruvchi nazariy asosdir.

Gated Deformable Scanning qanday ishlaydi?

Qo‘pol xususiyat xaritalari:

\[ \mathbf{x}\in\mathbb{R}^{2\times H\times W\times C} \]

ko‘rinishidadir. Birinchi o‘lcham tasvir juftligini, \(H\) va \(W\) fazoviy o‘lchamlarni, \(C\) esa kanal sonini ko‘rsatadi.

Standart skanerlashda tasvir kataklari yuqori chapdan pastki o‘nggacha qat’iy raster tartibida joylanadi. GamMa esa har bir pozitsiya uchun o‘rganiladigan ofset hosil qiladi:

\[ \Delta t\in\mathbb{R}^{2\times H\times W\times1}. \]

Boshlang‘ich skanerlash indeksi \(t_i\), \([-1,1]\) oralig‘iga normallashtiriladi. Tarmoq bashorat qilgan ofset ham `tanh` funksiyasi bilan shu oralig‘da cheklanadi:

\[ t_D=t_i+\Delta t. \]

Pozitsiyalar \(t_D\) qiymatlari bo‘yicha saralanadi va faqat eng yuqori tartibdagi \(K\) xususiyat saqlanadi. Standart sozlamada:

\[ K=\frac{H\times W}{2}. \]

Boshqacha aytganda, qo‘pol xususiyat pozitsiyalarining yarmi Mamba ketma-ketlik modellashtirishiga olinadi. Maqsad faqat eng yuqori aktivatsiyali hududlarni tanlash emas, balki ikki tasvir o‘rtasida izchil bo‘lmagan, takrorlanuvchi yoki geometrik jihatdan noaniq hududlarni bostirishdir.

Gated Index Network tuzilishi

Gated Index Network xususiyatlarni ikkita parallel depthwise-separable konvolyutsiya tarmog‘idan o‘tkazadi. Bir tarmoq bevosita mahalliy tuzilmaviy javob hosil qilsa, ikkinchi tarmoq GroupNorm va GELU’dan foydalanib moslashuvchan modulyatsiya hosil qiladi.

Ikki tarmoq chiqishi elementlar bo‘yicha ko‘paytiriladi:

\[ F_g=F_1\odot GELU(GN(F_2)). \]

Bu gating jarayonida har ikki tarmoq qo‘llab-quvvatlaydigan javoblar kuchayadi, zaif yoki nomuvofiq javoblarni esa bostirish ko‘zlanadi. Yakuniy ofset \(1\times1\) konvolyutsiya bilan hosil qilinadi:

\[ \Delta t=Conv_{1\times1}(F_g). \]

9-shakldagi tanlangan pozitsiyalar bino fasadlari, gumbaz chegaralari va batafsil me’moriy tuzilmalarda zichlashgan, osmon kabi bir jinsli hududlarda esa siyraklashgan. Biroq 9-shakl sarlavhasida xato ravishda Canny yo‘qotishi taqqoslanishi haqida so‘z yuritiladi.

Saralash jarayonining hosila muammosi

Xususiyatlarni klassik tarzda saralash differensiallanuvchi emas. Shu sababli saralashdan o‘tgan gradientni deformatsiya indeksiga bevosita uzatish mumkin emas.

Tadqiqotchilar yakuniy tasvir ketma-ketligi o‘lchamidagi gradientlarni o‘rtachalab, deformatsiya indeksiga qayta tarqatadigan taxminiy gradientdan foydalangan. Bu yondashuv o‘qitishni mumkin qiladi; biroq u saralash amalining haqiqiy hosilasi emas. Yondashuvning boshqa gradient baholash usullari bilan taqqoslanishi yoki xato tahlili berilmagan.

Joint Mamba va xususiyatlarni qayta birlashtirish

Tanlangan xususiyatlar ixcham bir o‘lchovli ketma-ketliklarga aylantiriladi. Joint Mamba ikki tasvirdan kelgan xususiyatlar o‘rtasidagi uzoq masofali munosabatlarni modellashtiradi. Amalda to‘rt yo‘nalishli ketma-ketlik va ustma-ust joylashtirilgan to‘rtta Mamba bloki qo‘llaniladi.

Gated Deformable Merge qayta ishlangan xususiyatlarni teskari indekslar yordamida asl \(1/8\) rezolyutsiyali pozitsiyalariga qaytaradi. Faqat tanlangan xususiyatlarning Mamba jarayonidan o‘tishi tanlanmagan hududlar yoki turli ketma-ketliklar o‘rtasidagi bevosita o‘zaro ta’sirni cheklashi mumkin. Bu kamchilikni kamaytirish uchun standart konvolyutsiyalardan tashkil topgan qo‘shimcha gated merge birligi ishlatilgan:

\[ \sigma=GELU(Conv_3(F_{in})), \]

\[ F_{out}=Conv_3\left(\sigma\cdot Conv_3(F_{in})\right). \]

Nozik darajadagi moslashtirish

Qo‘pol mosliklardan so‘ng bashorat qilingan pozitsiyalar atrofidan yuqori rezolyutsiyali xususiyat oynalari kesib olinadi. Bu oynalarda subpiksel darajasida nozik moslashtirish amalga oshiriladi.

Qo‘pol bosqich tasvir bo‘ylab ehtimoliy mosliklarni topsa, nozik bosqich pozitsiyani kichik mahalliy oyna ichida yanada aniq qiladi. Shu tariqa butun tasvirda yuqori rezolyutsiyali zich hisoblashsiz joylashuv aniqligini oshirishga uriniladi.

Nega Canny qirra yo‘qotishi qo‘shilgan?

Teksturasi zaif sahnalarda devor yoki stol yuzasi kabi keng maydonlar ajralib turadigan vizual ma’lumot bermaydi. Bunga qarshi ravishda obyekt chegaralari, devor tutashuvlari va burchaklar ko‘rish burchagi o‘zgarsa ham barqarorroq geometrik tuzilmalarni taqdim etishi mumkin.

Canny qirra yo‘qotishining o‘qitish oqimi quyidagicha:

1. Kirish tasviri nozik moslashtirish rezolyutsiyasiga bilinear interpolatsiya bilan kichraytiriladi.
2. Kichraytirilgan tasvirga Canny qirra aniqlash qo‘llaniladi.
3. Qo‘pol moslashtirish pozitsiyasi atrofidan qirra oynasi kesib olinadi.
4. Oynadagi qirra pozitsiyasi ikki o‘lchovli `argmax` amali bilan tanlanadi.
5. Bashorat qilingan nozik pozitsiya bilan qirraga asoslangan maqsad pozitsiya o‘rtasidagi L1 farq hisoblanadi.

\[ L_{canny}= \frac{1}{N} \sum_{i=1}^{N} \left\| p_{idx}^{(i)}-p_{idx}^{gt,(i)} \right\|_1. \]

Bu yo‘qotish haqiqiy moslik nuqtasi albatta qirra ustida joylashganini isbotlamaydi. U o‘qitish vaqtida mosliklarni geometrik jihatdan barqaror deb qabul qilingan tuzilmalarga yo‘naltiruvchi yordamchi regulyarizator hisoblanadi.

Umumiy o‘qitish yo‘qotishi

Model to‘rtta yo‘qotish komponenti bilan o‘qitilgan:

• Qo‘pol moslashtirish focal loss’i \(L_c\),
• Nozik moslashtirish focal loss’i \(L_f\),
• Canny qirra yo‘qotishi \(L_{canny}\),
• Subpiksel epipolyar geometriya yo‘qotishi \(L_s\).

Subpiksel yo‘qotish fundamental matritsa o‘rniga ikkita normallashtirilgan tasvir nuqtasi va essential matritsa \(E\) orqali simmetrik epipolyar masofadan foydalanadi:

\[ L_s= \frac{1}{|M_f|} \sum_{(x,y)\in M_f} \frac{(x^{\top}Ey)^2} {(Ey)_1^2+(Ey)_2^2+(E^{\top}x)_1^2+(E^{\top}x)_2^2}. \]

Umumiy yo‘qotish:

\[ L_{total} = \lambda_cL_c+ \lambda_fL_f+ \lambda_{canny}L_{canny}+ \lambda_sL_s \]

sifatida ta’riflangan. Koeffitsiyentlar:

• \(\lambda_c=1\),
• \(\lambda_f=1\),
• \(\lambda_{canny}=0{,}5\),
• \(\lambda_s=10^4\)

ko‘rinishidadir. Subpiksel yo‘qotishning xom qiymati taxminan \(10^{-4}\) yoki undan kichik bo‘lgani uchun katta og‘irlik ishlatilgani tushuntirilgan.

O‘qitish sozlamalari

MegaDepth natijalari

MegaDepth katta ko‘rish burchagi, yoritish o‘zgarishi va takrorlanuvchi me’moriy naqshlarni o‘z ichiga olgan tashqi makon tasvirlaridan tashkil topgan. Tadqiqot Sacré-Cœur va St. Peter’s Square sahnalaridan 1.500 tasvir juftligini sinagan va kamera pozasini LO-RANSAC bilan hisoblagan.

GamMa JamMa’ga nisbatan bir xil parametr soni va o‘xshash hisoblash xarajati bilan 1,1, 0,7 va 0,5 AUC ball yutgan. Ish vaqti JamMa’dan 0,7 ms uzunroq; shu sababli GamMa JamMa’dan tezroq deb bo‘lmaydi. Uning afzalligi o‘xshash tezlik va hajmda yuqoriroq aniqlik ta’minlashidir.

Zich moslashtiruvchilar yuqoriroq AUC bergan. Biroq DKM taxminan 7,7 marta, RoMa esa taxminan 10,5 marta uzunroq o‘lchangan ish vaqtiga va ancha ko‘p parametrga ega.

Aachen ko‘p ko‘rinishli qayta qurish

Aachen v1.1 kunduz-tun va ko‘rish burchagi o‘zgarishlarini o‘z ichiga olgan tashqi makon vizual joylashuv ma’lumotlar to‘plamidir. Tadqiqotda uchta mezon ishlatilgan:

• mtl: O‘rtacha xususiyat izi uzunligi; yuqori bo‘lishi ma’qul.
• mre: O‘rtacha qayta proyeksiya xatosi; past bo‘lishi ma’qul.
• mopi: Har bir tasvirga to‘g‘ri keladigan o‘rtacha kuzatuvlar soni; moslik miqdorini ko‘rsatadi.

GamMa eng uzun o‘rtacha izni va eng past qayta proyeksiya xatosini ishlab chiqargan. Har bir tasvirga mosliklar soni LoFTR va ASpanFormer’dan pastroq. Tadqiqot talqiniga ko‘ra, model ko‘p sonli mosliklar o‘rniga kamroq, ammo geometrik jihatdan barqarorroq mosliklarni saqlaydi.

Canny yo‘qotishini olib tashlash mtl qiymatini 5,16 dan 4,43 gacha tushirgan. Bu natija qirra nazorati ko‘p tasvirlar bo‘ylab izning uzluksizligiga hissa qo‘shishini ko‘rsatadi.

Qat’iy va deformatsiyalanuvchi skanerlashni taqqoslash

Gated deformable skanerlash qat’iy skanerlashga nisbatan 5°, 10° va 20° chegaralarda mos ravishda 2,6, 1,9 va 0,9 ball yutgan. Maqola paragrafida oxirgi farq 1,9 deb berilgan bo‘lsa-da, jadval 0,9 ni ko‘rsatadi.

7-shaklda deformatsiyalanuvchi skanerlash bino chegaralarida aniqroq, fon hududlarida esa pastroq o‘xshashlik javobini hosil qilgan. Qat’iy skanerlash javoblari ko‘proq tarqalgan ko‘rinadi. Bu vizual natija selektiv mexanizm oldingi plan va tuzilmaviy chegaralarni ta’kidlashi haqidagi talqinni qo‘llab-quvvatlaydi; biroq o‘xshashlik xaritalari o‘z-o‘zidan sababiy dalil emas.

Nechta xususiyat tanlanishi kerak?

Barcha xususiyatlarni qayta ishlash eng yuqori aniqlikni bermagan. Xususiyatlarning yarmini tanlash AUC’ni 0,6 ball oshirgan va vaqtni 2,6 ms kamaytirgan. Bunga qarshi ravishda yanada agressiv filtrlash muhim moslashtirish dalillarining yo‘qolishiga olib kelgan. K = 1/8 K = 1/2 ga nisbatan atigi 2 ms qo‘shimcha tezlik evaziga 4,1 AUC ball yo‘qotgan.

Canny qirra yo‘qotishining ta’siri

MegaDepth natijalarida Canny yo‘qotishining ta’siri cheklangan:

5° chegarada 0,1 ball o‘sish, 10° da o‘zgarish yo‘q va 20° da 0,1 ball pasayish mavjud. Demak, MegaDepth jadvali Canny yo‘qotishi umumiy aniqlikni sezilarli oshirganini ko‘rsatmaydi.

ScanNet’ning teksturasi zaif ichki makonlarida natija aniqroq:

Yutuqlar mos ravishda 0,9, 0,5 va 0,4 ball. 8-shaklda Canny nazoratli mosliklar ichki devor kesishmalari va obyekt chegaralarida yanada tartibli to‘plangani ko‘rinadi.

HPatches domenlararo umumlashtirish natijasi

HPatches tajribasida barcha modellar MegaDepth’da o‘qitilgan va HPatches’ga nozik sozlanmagan. Har bir usul uchun eng yuqori ball olgan 1.000 moslik ishlatilgan.

GamMa JamMa’dan 3,7, 3,9 va 3,1 ball yuqori natija bergan. Manba matn o‘rta chegarada 4,9 ball deb yozadi; jadvalga ko‘ra to‘g‘ri arifmetik farq 3,9.

GamMa Transformer asosidagi LoFTR, ASpanFormer va ELoFTR’dan biroz ortda qolgan. Shu bois HPatches natijasi umumiy eng yaxshi usul da’vosini emas, balki JamMa’ga nisbatan domenlararo ko‘chirish yaxshilanganini qo‘llab-quvvatlaydi.

ScanNet domenlararo umumlashtirish natijasi

ScanNet’da modellar faqat MegaDepth’da o‘qitilgan va 1.500 ichki makon tasvir juftligida bevosita sinovdan o‘tkazilgan.

GamMa JamMa’ga nisbatan 2,5, 2,8 va 3,1 ball yutgan. 10-shaklda GamMa ko‘proq ijobiy moslik hosil qilgani bilan birga noto‘g‘ri mosliklar soni ham oshgani ko‘rinadi. Ya’ni modelning domenlararo bardoshliligi oshgan, biroq xato butunlay yo‘qolmagan.

Tayanch tarmoq tanlovi

Natijalar uchta o‘qitiladigan tayanch tarmoq bir-biriga juda yaqin ekanini ko‘rsatadi. GELAN 5° va 20° chegaralarda juda kichik ustunlik ko‘rsatgan, ConvNeXtV2 esa 10° da eng yuqori natijani bergan. Tadqiqotchilar 0,65 million parametrli yengil ConvNeXtV2’ni samaradorlik sababli tanlagan.

Tadqiqotning kuchli jihatlari

• Xususiyat tanlash ketma-ketlik modellashtirishidan oldingi aniq arxitektura komponenti sifatida ko‘rib chiqilgan.
• Model xuddi shu parametr soni bilan JamMa’dan yuqori MegaDepth natijasini bergan.
• Tanlangan xususiyat ulushi aniqlik va ish vaqti nuqtai nazaridan alohida o‘rganilgan.
• Qat’iy va deformatsiyalanuvchi skanerlash sonli va vizual tarzda taqqoslangan.
• Canny yo‘qotishining teksturaga boy va teksturasi zaif ma’lumotlar to‘plamlaridagi ta’siri ajratib ko‘rsatilgan.
• MegaDepth’dan tashqari HPatches, ScanNet va Aachen’da domenlararo test o‘tkazilgan.
• Parametr, GFLOP va ish vaqti aniqlik mezonlari bilan birga berilgan.
• Ma’lumot miqdori bilan moslik sifati o‘rtasidagi mopi–mtl–mre muvozanati muhokama qilingan.
• Model zich moslashtiruvchilarga nisbatan kamroq hisoblash ishlatishi aniq ko‘rsatilgan.

Tadqiqotning cheklovlari

• Tadqiqot peer-reviewdan o‘tmagan.
• Matn ichidagi havolalar `[?]` ko‘rinishida va manbalar ro‘yxati mavjud emas.
• HPatches va skanerlash ablatsiyasidagi ayrim farqlar noto‘g‘ri hisoblangan.
• Natijalar bir yoki noaniq sondagi o‘qitish ishlariga asoslangan; standart og‘ish va ishonch oralig‘i berilmagan.
• Ish vaqtini o‘lchash protokoli, warm-up takrori, batch hajmi va xotira sarfi tushuntirilmagan.
• Saralash amali uchun ishlatilgan taxminiy gradientning muqobil usullar bilan taqqoslanishi yo‘q.
• Gated Index Network tanlagan hududlarning haqiqiy geometrik aniqlik bilan aloqasi bevosita yorliqlangan ishonchlilik tajribasi bilan o‘lchanmagan.
• Canny yo‘qotishi MegaDepth’da izchil yaxshilanish bermagan.
• ScanNet’da ijobiy mosliklar soni bilan birga noto‘g‘ri mosliklar soni ham oshgan.
• HPatches’da ayrim Transformer asosidagi yarim zich usullardan ortda qolgan.
• Zich DKM va RoMa usullari MegaDepth’da yuqoriroq aniqlik bergan.
• Harakat xiralashuvi, kuchli to‘silish va juda katta ko‘rish burchagi o‘zgarishlari uchun alohida boshqariladigan tajriba berilmagan.
• Mobil, o‘rnatilgan yoki kam quvvatli uskuna sinovi o‘tkazilmagan.
• Kod e’lon qilinishi aytilgan, biroq ushbu versiyada qayta ishlab chiqish paketi taqdim etilmagan.
• Mualliflar ishlatilgan ma’lumotlarni ulashish ruxsati yo‘qligini bildirgan.

Tadqiqot nimani qo‘llab-quvvatlaydi?

• Barcha qo‘pol xususiyatlarni bir xil qayta ishlash eng yaxshi aniqlik–tezlik muvozanatini bermasligi mumkin.
• Xususiyatlarning yarmini o‘rganiladigan tarzda tanlash barcha xususiyatlarni qayta ishlashdan yaxshiroq natija berishi mumkin.
• Gated Deformable Scanning qat’iy skanerlashga nisbatan MegaDepth samaradorligini oshirishi mumkin.
• Tanlangan xususiyatlar me’moriy chegaralar va teksturaga boy oldingi plan hududlarida zichlashadi.
• Canny asosidagi qo‘shimcha nazorat teksturasi zaif ichki makonlarda moslashtirish barqarorligini oshirishi mumkin.
• GamMa JamMa’ga nisbatan HPatches va ScanNet’da kuchliroq zero-shot ko‘chirish ko‘rsatadi.
• GamMa zich moslashtiruvchilarga qaraganda pastroq hisoblash xarajati bilan raqobatbardosh aniqlik bera oladi.

Tadqiqot nimani isbotlamaydi?

• GamMa barcha mahalliy xususiyatlarni moslashtirish usullaridan aniqroq ekanini isbotlamaydi.
• JamMa’dan tezroq ekanini ko‘rsatmaydi.
• Canny qirralari har bir sahnada moslashtirish uchun eng to‘g‘ri pozitsiyalar ekanini isbotlamaydi.
• Tanlangan 50 foizlik ulush barcha ma’lumotlar to‘plami va rezolyutsiyalar uchun universal eng yaxshi ekanini ko‘rsatmaydi.
• Real vaqtli mobil yoki o‘rnatilgan tizim samaradorligini tasdiqlamaydi.
• Robot, transport vositasi yoki uchuvchisiz havo vositasida uchidan-uchigacha dala muvaffaqiyatini taqdim etmaydi.
• Kuchli to‘silish va juda katta ko‘rish burchagi o‘zgarishlarida ishonchlilikni qat’iylashtirmaydi.
• Hosil qilingan mosliklar xavfsizlik nuqtai nazaridan kritik avtonom tizimlarda o‘z-o‘zidan yetarli ekanini ko‘rsatmaydi.
• Turkiyadagi tasvirlar yoki mahalliy tizimlar uchun tasdiqlangan muvaffaqiyat darajasini bermaydi.

Kelajakda qanday tadqiqotlar zarur?

• Bir nechta tasodifiy urug‘ bilan o‘qitish olib borilib, o‘rtacha va standart og‘ish hisobot qilinishi kerak.
• Ish vaqti, xotira va energiya sarfi turli GPU, CPU va chekka qurilmalarda o‘lchanishi kerak.
• Xususiyat tanlashning kalibrovkasi va tanlangan nuqtalarning haqiqiy moslashtirish ishonchliligi o‘rganilishi kerak.
• Differensiallanuvchi saralash yoki turli top-K baholash usullari taqqoslanishi kerak.
• Katta ko‘rish burchagi, to‘silish, harakat xiralashuvi va mavsumiy o‘zgarish uchun alohida testlar o‘tkazilishi kerak.
• Mobil robot, transport vositasi va uchuvchisiz havo vositasida real vaqtli SLAM tajribalari bajarilishi kerak.
• Turk shaharlari, tarixiy inshootlar va falokatdan keyingi tasvirlar kabi mahalliy domen siljishlari sinovdan o‘tkazilishi kerak.
• Manba kodi, o‘qitish konfiguratsiyasi, model vaznlari va qayta ishlab chiqish skriptlari e’lon qilinishi kerak.
• Yetishmayotgan manbalar ro‘yxati va matn–jadval sonli nomuvofiqliklari peer-reviewdan o‘tgan versiyada tuzatilishi kerak.

Tadqiqot usuli va natijalari

Texnik usul xulosasi

Asosiy taqqoslama natijalar

Ablatsiyalar ko‘rsatgan asosiy mexanizmlar

• Qat’iy skanerlashni gated deformable skanerlashga almashtirish eng kuchli yakka komponent yutuqlaridan birini bergan.
• Gated Index Network olib tashlanganda AUC@5° 65,2 dan 63,2 gacha tushgan.
• Barcha xususiyatlar o‘rniga yarmini tanlash aniqlikni ham, ish vaqtini ham yaxshilagan.
• Xususiyatlarning faqat to‘rtdan biri yoki sakkizdan birini saqlash hisoblash vaqtida kichik, aniqlikda esa kattaroq yo‘qotishga olib kelgan.
• Canny yo‘qotishi teksturaga boy MegaDepth’da cheklangan, teksturasi zaif ScanNet va ko‘p ko‘rinishli Aachen testida esa aniqroq hissa qo‘shgan.
• Tayanch tarmoq tanlovining ta’siri o‘rganiladigan xususiyat tanlashnikidek katta bo‘lmagan.

Vizual materiallarning ilmiy ma’nosi

Qayta ishlab chiqish uchun muhim tafsilotlar

• Tasvirlar o‘qitishda 832 × 832 o‘lchamga keltirilishi kerak.
• Qo‘pol va nozik xususiyat kanallari mos ravishda 256 va 64.
• To‘rtta Mamba bloki va K = 1/2 konfiguratsiyasi ishlatiladi.
• Canny past va yuqori chegaralari 0,1 va 0,2.
• Focal loss uchun α = 0,25 va γ = 2.
• Subpiksel yo‘qotishi 10⁴ koeffitsiyenti bilan og‘irlashtirilgan.
• O‘qitish 60 davr, AdamW, 2 × 10⁻⁴ boshlang‘ich o‘rganish tezligi va batch hajmi 8 bilan bajarilgan.
• HPatches taqqoslashida har bir usul bo‘yicha faqat eng yuqori 1.000 moslik ishlatilgan.
• MegaDepth va ScanNet testlarida 1.500 tasvir juftligi baholangan.
• Natijalarni qayta ishlab chiqish uchun yetishmayotgan manbalar ro‘yxati, kod, model vaznlari va tasodifiy urug‘lar kerak.

Natijalarning texnik talqini

GamMa natijalari yarim zich tasvir moslashtirishda axborot miqdoridan ko‘ra axborot sifati hal qiluvchi bo‘lishi mumkinligini ko‘rsatadi. Barcha qo‘pol xususiyatlarni ketma-ketlikka kiritish vaqtni uzaytirgan va aniqlikni pasaytirgan. Xususiyatlarning yarmini tanlash shovqinli o‘zaro ta’sirlarni kamaytirgan holda zarur geometrik dalillarning katta qismini saqlagan.

Modelning asosiy yutug‘i parametr soni yoki hisoblash yukini sezilarli oshirmasdan JamMa’ning domenlararo bardoshliligini yaxshilashidir. MegaDepth yutug‘i nisbatan kichik bo‘lsa, HPatches va ScanNet farqlarining kattaroq bo‘lishi selektiv skanerlash o‘qitish va test domenlari farqlanganda qimmatroq bo‘lishi mumkinligini ko‘rsatadi.

Canny qirra yo‘qotishining foydasi sahnaga bog‘liq. Teksturaga boy tashqi makonda hissasi juda cheklangan bo‘lsa, ichki makonlarda geometrik chegaralar qo‘shimcha ma’lumot bergan. Bu holat qirraga asoslangan regulyarizatorlar universal emas, balki sharoitga bog‘liq vositalar ekanini ko‘rsatadi.

Manba va usul bo‘yicha izoh

Tadqiqotning to‘liq asl nomi: GamMa: Selecting Informative Features for Fast and Robust Local Feature Matching

Mualliflar: Jianhao Xu, Xiangtao Fan, Hongdeng Jian, Chen Xu, Weijia Bei, Qifeng Ge va Ruijie Han.

Mualliflar tartibi: Manbada berilgan shaklda saqlangan.

Teng birinchi muallif: Teng hissa yoki teng birinchi mualliflik bayonoti mavjud emas.

Mas’ul muallif: Hongdeng Jian.

Mas’ul muallif e-pochta manzili: jianhd@radi.ac.cn

Boshqa aloqa manzillari: xujianhao22@mails.ucas.ac.cn; fanxt@radi.ac.cn; xuchen@aircas.ac.cn; beiweijia21@mails.ucas.ac.cn; geqifeng21@mails.ucas.ac.cn; hanruijie23@mails.ucas.ac.cn.

Muassasa 1: Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, Xitoy.

Muassasa 2: International Research Center of Big Data for Sustainable Development Goals, Beijing 100094, Xitoy.

Muassasa 3: University of Chinese Academy of Sciences, Beijing 100094, Xitoy.

DOI:10.2139/ssrn.6996789

Rasmiy manba havolasi:SSRN rasmiy qayd sahifasi

Nashr platformasi: SSRN.

Nashr yili: 2026.

Matnda berilgan sana: 25 Iyun 2026.

Maqsadli jurnal: Yuklangan versiyada “Preprint submitted to Pattern Recognition” iborasi mavjud.

Jurnal va nashriyot holati: Ushbu manbada tadqiqot Pattern Recognition tomonidan qabul qilingani yoki peer-reviewdan o‘tgan jurnal versiyasi nashr etilganini ko‘rsatuvchi ma’lumot yo‘q. Shu sababli uni peer-reviewdan o‘tgan jurnal nashri sifatida taqdim etib bo‘lmaydi.

Manba turi: Kompyuter ko‘rishida yarim zich mahalliy xususiyatlarni moslashtirish uchun yangi neyron tarmoq arxitekturasini ishlab chiqqan va to‘rtta ma’lumotlar to‘plamida sinagan preprint tadqiqot maqolasi.

Peer-review holati: Tadqiqot peer-reviewdan o‘tmagan.

Jianhao Xu’ning hissalari: Konseptuallashtirish, usul, formal tahlil, ma’lumotlarni tartibga solish, dastlabki qoralamani yozish va tadqiqot.

Xiangtao Fan’ning hissalari: Konseptuallashtirish, maslahat, ko‘rib chiqish va tahrirlash, tekshirish va moliyalashtirishni ta’minlash.

Hongdeng Jian’ning hissalari: Tekshirish, ko‘rib chiqish va tahrirlash hamda usul.

Chen Xu’ning hissalari: Resurslar bilan ta’minlash, ko‘rib chiqish va tahrirlash hamda moliyalashtirishni ta’minlash.

Weijia Bei’ning hissalari: Usul.

Qifeng Ge’ning hissalari: Dasturiy ta’minot va vizualizatsiya.

Ruijie Han’ning hissalari: Ma’lumotlarni tartibga solish.

Moliyalashtirish: Provincial Special Funding for the Construction of Chenzhou National Sustainable Development Agenda Innovation Demonstration Zone, No. 2023sfq69.

Manfaatlar to‘qnashuvi: Mualliflar tadqiqotga ta’sir qilishi mumkin bo‘lgan ma’lum moliyaviy manfaat yoki shaxsiy munosabat yo‘qligini bildirgan.

Ma’lumotlarga kirish: Mualliflar ma’lumotlarni ulashish uchun ruxsatlari yo‘qligini bildirgan.

Kodga kirish: Matnda kod GitHub repositoriyasida e’lon qilinishi bildirilgan. Yuklangan versiyada qotirilgan dasturiy versiya, model vazni yoki qayta ishlab chiqish paketi taqdim etilmagan.

Manbalar ro‘yxati muammosi: Matndagi havolalar `[?]` ko‘rinishida va manbalar ro‘yxati bo‘limi mavjud emas. Bu avvalgi usullar, ma’lumotlar to‘plamlari va ishlatilgan dasturlarning asl manbalarini tekshirishga to‘sqinlik qiladi.

Sonli izchillik ogohlantirishi: HPatches’da o‘rta chegara yutug‘i jadvalda 3,9 bo‘lsa, matnda 4,9 deb yozilgan. Gated Deformable Scanning’ning AUC@20° yutug‘i jadvalda 0,9 bo‘lsa, matnda 1,9 sifatida berilgan.

Vizual izchillik ogohlantirishi: 9-shakl izohi Canny yo‘qotishi bilan va usiz xususiyat taqsimotini taqqoslashini aytadi; biroq tasvir faqat Gated Index Network tomonidan tanlangan K pozitsiyalarini ko‘rsatadi.

Talqin chegarasi: GamMa MegaDepth’da yarim zich usullar ichida eng yuqori natijani bergan, biroq zich DKM va RoMa’dan past AUC hosil qilgan. HPatches’da LoFTR, ASpanFormer va ELoFTR’dan biroz ortda qolgan. Shu sababli tadqiqot umumiy va shartsiz eng yaxshi moslashtiruvchi ustunligini isbotlamaydi.

Ushbu turkcha mazmun faqat yuklangan tadqiqotning matni, tenglamalari, jadvallari, arxitektura sxemalari, moslashtirish tasvirlari va tajriba natijalariga asoslanib tayyorlangan. Tadqiqotda mavjud bo‘lmagan dala muvaffaqiyati, tijoriy mahsulot samaradorligi, avtonom tizim xavfsizligi yoki Turkiyaga xos aniqlik da’vosi qo‘shilmagan.