From e486c07655cb2514ff2874877f50366153e63356 Mon Sep 17 00:00:00 2001
From: Mazai-Liu <2510382609@qq.com>
Date: Mon, 14 Oct 2024 16:58:13 +0800
Subject: [PATCH] =?UTF-8?q?add(=E8=B0=83=E7=A0=94):=20=E6=B7=BB=E5=8A=A0?=
 =?UTF-8?q?=E4=BA=86=E6=9C=80=E8=BF=91=E5=85=B3=E4=BA=8E=E7=89=B9=E5=BE=81?=
 =?UTF-8?q?=E5=8C=B9=E9=85=8D=E7=9A=84=E8=B0=83=E7=A0=94=E6=8A=A5=E5=91=8A?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 科研/调研.md | 60 ++++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 60 insertions(+)
 create mode 100644 科研/调研.md

diff --git a/科研/调研.md b/科研/调研.md
new file mode 100644
index 0000000..b9f743e
--- /dev/null
+++ b/科研/调研.md
@@ -0,0 +1,60 @@
+# 调研
+看过的如[ASTR(2023)](https://astr2023.github.io "ASTR")、DeepMatcher（2024）、AmatFormer（2023）都是不开源的
+
+而开源的如：
+* [Roma](https://github.com/Parskatt/RoMa "Roma")：2024 cvpr，也是DKM的作者
+* [DKM](https://github.com/Parskatt/DKM "DKM")：2023 cvpr
+* **[LoFTR](https://zju3dv.github.io/loftr/ "LoFTR")：2021 cvpr，特征匹配领域比较基石的工作。Roma/DKM也使用其数据集，即MegaDepth和Scannet，这两个数据集是领域内用得较多的**
+    > LoFTR的训练/数据集配置 https://github.com/zju3dv/LoFTR/blob/master/docs/TRAINING.md
+* [LightGlue](https://github.com/cvg/LightGlue)：2023iccv
+* [GlueStick](https://github.com/cvg/GlueStick?tab=readme-ov-file): 2023iccv
+
+## 动机
+不从整个特征匹配入手，尝试从小的方面切入，比如视觉定位、图像匹配等小方面。
+
+## 数据集
+1. LoFTR：HPatches，视觉定位（InLoc），相对姿态估计（MegaDepth，Scannet）
+    > 代码上看其实只有 MegaDepth，Scannet相关的，没有 HPatches 和 InLoc 数据集相关的代码
+
+
+2. DKM ：HPatches，视觉定位（InLoc），图像匹配（IMC2022），相对姿态估计（MegaDepth，Scannet）
+    > 代码上看其实只有 MegaDepth，Scannet相关的，没有 IMC2022 和 InLoc 数据集相关的代码
+
+3. ASTR：HPatches，视觉定位（InLoc），相对姿态估计（MegaDepth，Scannet）
+    > 未开源 
+
+4. Roma：图像匹配（IMC2022），视觉定位（InLoc），相对姿态估计（MegaDepth，Scannet）
+    >  代码上看其实只有 MegaDepth，Scannet相关的，没有 IMC2022 和 InLoc 数据集相关的代码
+5. LightGlue：HPatches，视觉定位（Aachen Day-Night），图像匹配（IMC），相对姿态估计（MegaDepth）
+6. GlueStick: HPatches，ETH3D，视觉定位（7Scenes，InLoc），相对姿态估计（Scannet）
+    
+---
+
+* MegaDepth       ，887GB，https://www.cs.cornell.edu/projects/megadepth/
+* Scannet         ，1.3TB，需申请，https://github.com/ScanNet/ScanNet#scannet-data
+---
+* HPatches        ，4.3GB，https://github.com/hpatches/hpatches-dataset
+* IMC2021         ，~50GB， 是一个比赛，https://www.cs.ubc.ca/research/
+image-matching-challenge/2021/
+* InLoc           ，应该不那么大，但是官方下载链接失效了
+* Aachen Day-Night，~30GB, https://www.visuallocalization.net/datasets/
+* 7Scenes         ，~15GB，https://www.microsoft.com/en-us/research/project/rgb-d-dataset-7-scenes/
+* ETH3D           ，~30GB，https://www.eth3d.net/datasets
+    
+
+## 训练
+主要是在MegaDepth，Scannet上。因为论文和代码中很少对其他数据集的提及。
+
+Roma 、DKM：在4个 A100ti 上训练大约需要5天
+
+LoFTR： 64个 1080ti 上1天
+
+DeepMatcher：32个 Tesla V100
+
+LightGlue：2个 RTX3090 上两天 + 200GB磁盘存储额外信息（MegaDepth）
+
+GlueStick: 2个 RTX2080 上10天
+
+## 后续
+从小方面的数据集入手，通过paperswithcode网站找到数据集相关的特征匹配方面论文，感觉LigGlue和GlueStick可以尝试着手，后续再细了解下
+