简介这份资源是Superglue与Superpoint算法框架图的docx版本面向计算机视觉方向、正在做毕业设计或论文写作的学生与研究者用于解决论文中算法框图绘制困难、结构表达不清晰的问题。压缩包内共1个docx文件约390KB内容以可编辑的算法框架图为主涵盖Superpoint网络结构、单应性自适应图以及Superglue匹配流程等核心模块方便直接插入论文或按需修改。目前已有589人学习下载说明其在毕业设计场景中具有一定参考价值。读者可获得三张关键框架图的完整结构Superpoint的编码器、特征点解码器与描述子解码器分支单应性自适应图的特征点调整过程以及Superglue中关键点编码器、自注意与交叉注意力聚合、得分矩阵与最优传输匹配层等细节。这些图示能帮助快速理清算法脉络为论文框图绘制和系统设计提供直观参考。1. 从一张可编辑的算法框图说起SuperGlue 论文配图为什么值得单独拆一遍如果你正在做视觉方向的毕业设计大概率遇到过这种场景论文里需要一张 SuperPoint 或 SuperGlue 的算法框架图网上能找到的要么是截图糊得没法看要么是 PDF 里抠出来的矢量图改一个模块名字都费劲。这份资源解决的就是这个问题——它是一份 docx 版本的算法框架图集合包含 SuperPoint 网络结构、单应性自适应图、SuperGlue 匹配框架三张核心图所有模块、箭头、标注都可以在 Word 里直接编辑。适合正在写毕业论文、需要调整论文配图、或者想基于这些框架图做二次绘制的人。关键词里“毕业设计”“算法框图可修改”说得很直白它不是代码工程而是一份能让你在论文里把算法讲清楚的图形素材配合 SuperGlue 和 SuperPoint 的算法逻辑一起看价值才出得来。2. SuperPoint 框架拆解编码器、解码器与描述子后处理链路2.1 编码器与特征点解码器的分工SuperPoint 的整体结构可以理解为一个共享编码器加两个解码分支。编码器由卷积层堆叠而成输入是 W×H 的灰度图输出是 H/8×W/8 的特征图。这个 8 倍下采样是整条链路的关键参数后面所有坐标恢复都要乘回 8。解码器分两路一路是特征点解码器输出 H/8×W/8×65 的张量65 这个通道数对应 8×8 局部窗口加一个“无特征点”通道另一路是描述子解码器输出 H/8×W/8×D 的描述子张量D 通常取 256。在 docx 框图里这部分通常画成左右对称的结构编码器在中间两个解码器分列两侧。你改图的时候要注意编码器输出的特征图是共享的两个解码器都从同一个特征图取输入这个连接关系不能画错否则答辩时容易被问住。# SuperPoint 编码器-解码器结构示意伪代码对应框图逻辑 class SuperPointNet(nn.Module): def __init__(self, desc_dim256): super().__init__() # 共享编码器4 次下采样总下采样倍率 8 self.encoder nn.Sequential( conv_block(1, 64), # H×W - H/2×W/2 conv_block(64, 64), conv_block(64, 128), # - H/4×W/4 conv_block(128, 128), conv_block(128, 256), # - H/8×W/8 conv_block(256, 256), ) # 特征点解码器输出 65 通道对应 8×8 窗口 1 个 dustbin self.detector_head nn.Conv2d(256, 65, kernel_size1) # 描述子解码器输出 D 维描述子 self.descriptor_head nn.Sequential( nn.Conv2d(256, 256, kernel_size3, padding1), nn.Conv2d(256, desc_dim, kernel_size1), ) def forward(self, x): feat self.encoder(x) # [B, 256, H/8, W/8] logits self.detector_head(feat) # [B, 65, H/8, W/8] desc self.descriptor_head(feat) # [B, D, H/8, W/8] return logits, desc这段代码对应框图里最核心的“编码器→双解码器”结构。conv_block一般包含卷积、BN、ReLU 三件套实际实现里还会用 3×3 卷积堆叠。detector_head用 1×1 卷积把 256 通道压到 65 通道是因为每个 8×8 网格只需要判断“中心是不是特征点”以及“在网格内的哪个位置”。descriptor_head先做一次 3×3 卷积再压到 D 维是为了让描述子感受野稍微大一点避免只看到单个像素。2.2 Softmax 归一化与双线性插值恢复特征点解码器输出的 65 通道张量需要经过 Softmax 归一化才能变成概率分布。具体做法是把 65 个通道在空间维度上做 Softmax得到每个位置是特征点的概率。然后取前 64 个通道对应 8×8 窗口做 reshape还原成 H/8×W/8×8×8 的响应图再通过双线性插值上采样回原始 H×W 尺寸。这一步在框图里通常画成“Softmax→Reshape→Bilinear Upsample”的流程。描述子分支则要做 L2 范数归一化。每个特征点的描述子向量除以它的 L2 范数让所有描述子落在单位超球面上。这样后续匹配时只需要算内积或余弦相似度数值稳定性也好很多。框图里描述子解码器后面通常会标一个“L2 Norm”的方框就是这个操作。注意双线性插值恢复热图时插值的是概率值而不是 logits。如果先插值再 Softmax得到的结果会偏因为 Softmax 是非线性的。这个顺序在改图时别画反。2.3 单应性自适应图在框架里的位置单应性自适应图图 2在整条链路里扮演的是“数据增强几何变换”的角色。它的逻辑是拿一张未标记图像先用基础检测器比如初始版本的 SuperPoint跑一遍得到响应点然后随机采样多组单应性变换矩阵 H1 到 HN对图像做变换再在变换后的图像上跑检测器得到新的响应点最后把这些响应点还原回原图坐标系聚合成热图。这个过程在框图里通常画成“原始图像→基础检测器→响应点→随机单应变换→检测器→还原热图→聚合热图”的循环。它的目的是让特征点检测器见过各种视角和尺度变化提升泛化能力。你在 docx 里改这张图时重点检查箭头方向单应变换是作用在图像上的不是作用在特征点上的还原热图是把变换后的检测结果映射回原图坐标系不是反过来。3. SuperGlue 匹配框架注意力聚合、最优传输与垃圾桶机制3.1 关键点编码器与自注意力/交叉注意力SuperGlue 的输入是两组特征点及其描述子记作 A 和 B。每个特征点包含位置信息x, y和描述子向量。关键点编码器先把位置信息和描述子融合成一个初始特征向量然后送入图注意力网络。图注意力网络包含两种注意力自注意力self-attention和交叉注意力cross-attention。自注意力在 A 内部和 B 内部各自做让同一张图里的特征点互相交换信息交叉注意力在 A 和 B 之间做让两张图的特征点互相“看一眼”。框图里这部分通常画成两个并行的注意力模块中间用箭头连接表示交叉。自注意力的作用是让特征点根据邻域上下文调整自己的表示比如一个角点周围都是角点它的特征会被增强交叉注意力的作用是让 A 里的特征点去 B 里找相似的点提前建立软对应关系。# 图注意力网络中的注意力计算对应框图里的 S_ij 得分矩阵 def attention(query, key, value): # query/key/value: [N, heads, dim] scores torch.matmul(query, key.transpose(-2, -1)) # [N, heads, N] scores scores / math.sqrt(query.size(-1)) # 缩放防止梯度消失 weights F.softmax(scores, dim-1) # 归一化注意力权重 return torch.matmul(weights, value) # 加权聚合这段代码是注意力机制的核心。scores就是框图里标注的 S_ij表示第 i 个特征点和第 j 个特征点之间的关联强度。除以sqrt(dim)是标准操作避免点积过大导致 Softmax 饱和。实际 SuperGlue 里还会加入位置编码让注意力同时考虑几何距离和描述子相似度。3.2 得分矩阵与垃圾桶得分经过注意力聚合后每个特征点得到新的特征向量 f_Ai 和 f_Bi。然后计算得分矩阵S_ij f_Ai^T · f_Bi表示 A 中第 i 个点和 B 中第 j 个点的匹配得分。但这里有个问题有些特征点本来就不该匹配比如被遮挡的点如果强行让它们参与匹配会拉低整体精度。所以 SuperGlue 引入了“垃圾桶”得分dustbin score在得分矩阵里额外增加一行和一列分别对应 A 和 B 的垃圾桶。具体做法是得分矩阵从 N×M 扩展成 (N1)×(M1)最后一行和最后一列是垃圾桶通道。如果一个特征点分配到垃圾桶表示它没有匹配点。这个设计在框图里通常画成矩阵右下角多出来的一行一列标注“垃圾桶得分”。改图时注意垃圾桶不是单独一个模块而是嵌入在得分矩阵里的。3.3 最优传输与列归一化得到 (N1)×(M1) 的得分矩阵后SuperGlue 用最优传输算法求解分配矩阵。最优传输的目标是找到一个传输方案让总匹配代价最小。具体实现上通常用 Sinkhorn 算法迭代做行归一化和列归一化。框图里标注的“列归一化 Ld”和“行归一化”就是 Sinkhorn 的迭代步骤。# Sinkhorn 迭代求解最优传输对应框图里的行/列归一化 def sinkhorn(scores, num_iters100): # scores: [N1, M1]最后一行/列是垃圾桶 log_mu torch.zeros(scores.size(0)) # 行边缘分布 log_nu torch.zeros(scores.size(1)) # 列边缘分布 for _ in range(num_iters): scores scores - torch.logsumexp(scores, dim1, keepdimTrue) # 行归一化 scores scores - torch.logsumexp(scores, dim0, keepdimTrue) # 列归一化 return scores这段代码里logsumexp是数值稳定的归一化方式比直接 Softmax 再取 log 更稳。迭代次数一般取 50 到 100太少收敛不够太多浪费时间。最终得到的分配矩阵就是最优特征分配矩阵每个特征点要么匹配到另一个点要么匹配到垃圾桶。提示Sinkhorn 迭代次数在框图里通常不标但实际调参时这个值影响很大。毕业设计里如果做消融实验可以试试 20、50、100 三档看匹配精度和耗时的权衡。4. 避坑与常见问题改图、跑代码、写论文时容易翻车的地方4.1 框图箭头方向画反现象把单应性变换的箭头从“特征点”指向“图像”或者把交叉注意力的箭头画成单向。原因对算法流程理解不到位以为变换是作用在特征点上的。解决记住单应变换作用于图像坐标系特征点只是被检测出来的结果交叉注意力是双向的A 看 B 的同时 B 也在看 A。4.2 描述子维度标注不一致现象框图里描述子解码器输出标 128 维但正文写 256 维。原因不同版本的 SuperPoint 实现描述子维度不同有的用 128有的用 256。解决先确定你参考的代码或论文用的是哪个维度然后统一框图、正文、代码里的标注。毕业设计里建议用 256因为原论文和大多数开源实现都是 256。4.3 垃圾桶得分画成独立模块现象把垃圾桶画成一个单独的方框用箭头连到得分矩阵。原因不理解垃圾桶是嵌入在得分矩阵里的。解决垃圾桶是得分矩阵扩展出来的一行一列不是独立模块。改图时直接在矩阵图上加标注即可不要额外画方框。4.4 双线性插值顺序搞错现象先上采样再 Softmax导致热图概率分布不对。原因没注意 Softmax 的非线性特性。解决严格按“Softmax→Reshape→Bilinear Upsample”的顺序画插值的是概率值不是 logits。4.5 docx 里公式和符号乱码现象在 Word 里编辑时希腊字母或数学符号变成方框。原因字体不支持或编码问题。解决统一用 Cambria Math 或 Latin Modern Math 字体符号从 Word 公式编辑器插入不要直接复制粘贴。5. 二次开发与改造从框图到论文配图再到代码验证拿到这份 docx 之后最直接的用法是改图。但如果你想让框图真正服务于毕业设计建议走一遍“框图→代码→实验→回改框图”的闭环。具体做法是先从框图里挑一个模块比如描述子解码器找到对应的开源实现跑一遍确认输入输出维度然后回到 docx 里把框图上的标注改成你实际用的参数最后在论文里写清楚“本文采用 D256 的描述子维度对应框图第 X 页”。如果你要基于 SuperGlue 做二次开发比如换一个特征检测器改图时重点调整三处关键点编码器的输入维度、得分矩阵的尺寸、垃圾桶的位置。输入维度变了注意力模块的权重矩阵尺寸要跟着变得分矩阵尺寸变了Sinkhorn 迭代的归一化轴也要检查。我一般会在改完图之后用一张小图跑一遍前向传播打印每一层的输出 shape和框图上的标注逐个对照。这个习惯帮我省过很多次返工。改造点框图对应位置代码检查项换检测器关键点编码器输入特征维度是否匹配改描述子维度描述子解码器输出得分矩阵计算是否兼容调 Sinkhorn 迭代行/列归一化迭代次数与收敛性加新注意力头自注意力/交叉注意力多头拼接维度还有一个技巧docx 里的框图可以导出成 EMF 或 SVG 格式再导入到 LaTeX 或 Visio 里做精细调整。如果你论文要求矢量图这一步很关键。导出时注意保持图层分组否则所有元素会变成一张扁平图改起来更麻烦。从那以后我每次改算法框图都强制走一遍“框图→代码 shape 打印→回改标注”的流程再也没出现过答辩时被问“你这个维度怎么对不上”的尴尬。希望帮到你。本文还有配套的精品资源点击获取