MatcherCompass: 実環境での画像マッチャ選択を支援するデプロイメント対応ベンチマーク

- フィールドロボティクス向けに、local feature matcher の選択を支援する deployment-aware benchmark「MatcherCompass」を提案。 - 9つの classical / learned matching pipeline を、4つの画像解像度と対応する数値精度で比較。 - 4つの視覚条件（視点変化、可視・熱画像の昼夜マッチング、昼間の可視-熱マッチング）を対象。 - 姿勢精度は AUC@5°, 10°, 20° で評価し、runtime, GPU memory, energy per image pair を4つの GPU platform（workstation から onboard computer まで）で計測。 - ハードウェア、入力解像度、数値精度の変化が runtime budget 境界を越え、実行可能な選択肢を変えうることを示す。 - ユーザ指定の時間・リソース制限を満たす全構成と、選択した視覚条件下での精度を返す selection guide を提供。

- 従来は単一デバイス上での個別手法の精度と runtime が報告されるのみで、目標プラットフォーム上での matcher とその設定の選択には限定的な指針しか与えられなかった。 - MatcherCompass は deployment-aware な benchmark として、複数の GPU platform、解像度、数値精度、視覚条件を横断して計測。 - ハードウェア・入力解像度・数値精度の変化が runtime budget 境界を越え、実行可能な選択肢を変えることを実測で示す。 - ユーザ指定の時間・リソース制限を満たす全構成とその精度を返す selection guide を提供する点が新しい。

- 共通の入力および pose-evaluation 手順の下で、9つの classical / learned matching pipeline を比較。 - 4つの画像解像度とサポートされる数値精度を組み合わせて評価。 - 4つの視覚条件（視点変化、可視・熱画像の昼夜マッチング、昼間の可視-熱マッチング）を設定。 - 姿勢精度は AUC@5°, 10°, 20° で評価。 - runtime, GPU memory, energy per image pair を4つの GPU platform（workstation から onboard computer まで）で計測。 - 計測結果を selection guide に整理し、ユーザ指定の時間・リソース制限を満たす全構成と、選択した視覚条件下での精度を返す。

- 9つの classical / learned matching pipeline を、4つの画像解像度と対応する数値精度で比較。 - 4つの視覚条件（視点変化、可視・熱画像の昼夜マッチング、昼間の可視-熱マッチング）で評価。 - 姿勢精度を AUC@5°, 10°, 20° で評価。 - runtime, GPU memory, energy per image pair を4つの GPU platform（workstation から onboard computer まで）で計測。 - ハードウェア、入力解像度、数値精度の変化が runtime budget 境界を越え、実行可能な選択肢を変えることを示した。

- ハードウェア、入力解像度、数値精度の変化が matcher を runtime budget 境界の向こう側に移動させ、実行可能な選択肢を変えうる。 - 単一デバイスでの精度と runtime の報告だけでは、目標プラットフォーム上での matcher と設定の選択に限定的な指針しか与えない。 - MatcherCompass は、ロボットの sensing 条件と computing hardware に適合する matching pipeline を選択するための実測証拠を提供する。 - その他の議論や限界については要旨からは不明。

- 要旨で参照・比較されている個別研究は明記されていない。 - 関連手法として、classical matching pipeline と learned matching pipeline が挙げられている。 - 同分野の定番として、local feature matcher の評価 benchmark や、field robotics 向けの visual correspondence 研究が次に読むべき候補となる。