厦门大学、英特尔、大疆联手发布GIM：突破性网络视频零样本图像匹配大模型

视频网站的海量数据为训练通用的图像匹配器提供了丰富的资源。然而，直接利用这些数据来训练图像匹配模型，在泛化能力上仍面临挑战。为了解决这个问题，研究人员提出了一种新的方法，即从互联网视频中学习通用的图像匹配器，论文题目为：GIM: Learning Generalizable Image Matcher from Internet Videos。GIM的核心思想是从大量的视频数据中提取有用的信息，用于提升图像匹配模型的泛化性能。他们还构建了一个名为Zero-shot Evaluation Benchmark(ZEB)的零样本评估基准，实验结果表明，GIM能够有效地提升图像匹配器的泛化能力。