- 比赛名称：Image Matching Challenge 2024 - Hexathlon
- 比赛类型：计算机视觉、图像匹配
- 比赛任务：从六个不同域的 2D 图像重建 3D 场景
比赛背景
比赛旨在解决一项基本的计算机视觉问题，即跨不同视角匹配多个图像的挑战。即使是地标和历史遗迹等经常被拍摄的地方，每张照片的角度都略有不同，阴影也会随着时间的不同而变化。有些照片可能是从地面拍摄的，另一些可能是从一些台阶上拍摄的，还有一些可能是从无人机上拍摄的。这种情况下，将多个图像匹配到一起是一个很大的挑战，尤其是在不同视角、不同光照条件下拍摄的图像。表面纹理或周围环境的因素可能会导致算法性能下降。
从一组图像中重建环境的三维模型的过程被称为结构运动（Structure from Motion，SfM）。这些图像通常由训练有素的操作员拍摄，或者配有额外的传感器数据，以确保数据质量和一致性。然而，从各种各样的图像中构建三维模型就更加困难，这正是该比赛的真实世界示例所在。事实上，我们划分了6个类别，每个类别都有其独特的挑战：
- 摄影旅游和历史保护：不同的视角、传感器类型、时间以及遮挡物，古代历史遗迹增加了独特的挑战。
- 昼夜变化和时间变化：白天和黑夜照片的结合，包括光照不足的情况，或者相隔几个月或几年拍摄的照片，天气不同。
- 航空和混合航空-地面：来自无人机的图像，具有任意的平面旋转，与类似图像以及来自地面的图像相匹配。
- 重复结构：对称对象需要细节来消除透视。
- 自然环境：树木和植被等高度不规则的结构。
- 透明度和反射：如玻璃制品等缺乏纹理并产生反射和镜面反射，提出了一系列不同的问题。
比赛任务
比赛的目标是利用不同场景和环境中的图像集构建精确的三维地图。参赛者需要开发一个模型，能够生成准确的空间表示，无论是来自无人机、茂密森林中、夜晚拍摄的图像，还是其他六个问题类别中的任何一种。
评价指标
评估指标是注册的摄像机中心的平均平均准确度（mAA），并在不同的阈值下对注册结果进行鲁棒性测试，并通过平均计算获得对整个数据集的总体评估。
提交格式：
image_path,dataset,scene,rotation_matrix,translation_vector
da1/sc1/images/im1.png,da1,sc1,0.1;0.2;0.3;0.4;0.5;0.6;0.7;0.8;0.9,0.1;0.2;0.3
da1/sc2/images/im2.png,da1,sc1,0.1;0.2;0.3;0.4;0.5;0.6;0.7;0.8;0.9,0.1;0.2;0.3
etc
比赛数据集
在这个比赛中，你的挑战是从围绕着场景拍摄的一系列无序图像中生成三维重建，并准确地定位这些图像。
sample_submission.csv 一个有效的、随机生成的示例提交，包含以下字段：
image_path：图像文件名，包括路径。dataset：数据集的唯一标识符。scene：场景的唯一标识符。rotation_matrix：第一个目标列。一个3x3矩阵，按行主序展平成一个向量，值之间用;分隔。translation_vector：第二个目标列。一个三维向量，值之间用;分隔。
[train/test]/*/*/images 一批图像，都是在相同位置附近拍摄的。一些训练数据集可能还包含一个名为 images_full 的文件夹，其中包含额外的图像。
train/*/*/smf 这批图像的三维重建，可以使用 colmap 打开，这是与本比赛捆绑在一起的三维结构运动库。
train/*/*/LICENSE.txt 该数据集的许可证。
train/train_labels.csv 这些数据集中的图像列表，带有地面真实数据。
dataset：数据集的唯一标识符。scene：场景的唯一标识符。image_path：图像文件名，包括路径。rotation_matrix：第一个目标列。一个3x3矩阵，按行主序展平成一个向量，值之间用;分隔。translation_vector：第二个目标列。一个三维向量，值之间用;分隔。
通过这些文件，你将有机会训练模型并提交预测结果，以生成场景的三维重建。
比赛赛程
- 参赛截止日期：2024年5月27日。在此日期之前，您必须接受比赛规则才能参加比赛。
- 团队合并截止日期：2024年5月27日。这是参与者加入或合并团队的最后一天。
- 最终提交截止日期：2024年6月3日。