近日，实验室2023级硕士生李方凯一篇论文“Cross-Graph Meta Matching Correction for Noisy Graph Matching”（作者：李方凯, 潘飞宇, 孟文佳, 孙皓亮, 聂秀山, 尹义龙, 卢宪凯）被Computer Vision and Image Understanding 期刊 (CVIU) 录用。CVIU是计算机视觉和图像理解领域重要国际期刊，属于CCF-B类期刊。

图像关键点匹配是计算机视觉的关键任务之一，广泛应用于目标跟踪、机器视觉和姿态估计等领域。 由于遮挡、视角变化等因素，图像关键点标注数据中常存在噪声对应问题，严重影响图匹配模型的性能，现有方法难以有效处理训练数据中复杂的噪声对应关系。本文提出基于元学习的噪声图匹配校正模型（MCGM），通过元校正网络整合图全局特征与几何一致性信息，动态调整匹配置信度。模型采用双层优化框架联合训练元网络与主网络，并结合K-step-ahead策略实现稳定优化。模型在SPair-71k等多个公开基准数据集上取得最佳性能，此外，在多组合成噪声设置下的实验结果验证了模型的良好鲁棒性。