130万对像素级对齐：SOMA-1M如何打通遥感多模态数据的“最后一公里“

130万对像素级对齐SOMA-1M如何打通遥感多模态数据的最后一公里副标题SOMA-1M: A Large-Scale SAR-Optical Multi-resolution Alignment Dataset for Multi-Task Remote Sensing 深度解读数据对齐精度决定了多模态遥感模型能力的天花板。导语这篇论文为什么值得关注在遥感领域光学影像和合成孔径雷达SAR影像就像一对性格迥异的搭档光学影像色彩丰富、纹理清晰但一遇到云层遮挡就失明SAR则能全天候穿透云雾靠的是微波散射的几何结构信息。两者的互补性让SAR-光学协同处理成为遥感智能化的核心方向之一。然而想把这对搭档真正撮合在一起远比想象中困难。现有公开数据集普遍存在三大硬伤分辨率单一大多是10米级中低分辨率、数据规模不足通常只有几万对样本、对齐精度不够地理坐标级粗对齐导致像素错位。对于图像融合、跨模态翻译这类像素级敏感任务哪怕只有几个像素的偏差模型学出来的也是带噪声的幻觉。武汉大学遥感信息工程学院团队推出的SOMA-1M正是冲着这个瓶颈来的。这个名字代表SAR-Optical Multi-resolution Alignment它带来了遥感领域首个百万级规模、像素级精度、显式多分辨率覆盖0.5m / 3m / 10m的SAR-光学对齐数据集。更重要的是作者不仅造了数据集还用四大主流视觉任务图像匹配、图像融合、SAR辅助去云、SAR-光学图像翻译的系统评测验证了高质量对齐数据对模型泛化能力的决定性作用。读完本文你会带走什么理解为什么像素级对齐是多模态遥感模型的隐形天花板掌握SOMA-1M从数据采集到粗精对齐的完整工程 pipeline看清不同空间分辨率对几何任务、像素任务、生成任务的差异化影响核心速览1分钟get论文全貌维度内容论文标题SOMA-1M: A Large-Scale SAR-Optical Multi-resolution Alignment Dataset for Multi-Task Remote Sensing作者团队Peihao Wu, Yongxiang Yao, Yi Wan, Wenfei Zhang, Ruipeng Zhao, Jiayuan Li, Yongjun Zhang武汉大学发表信息arXiv:2602.05480 (2026)核心问题现有SAR-光学数据集在规模、分辨率多样性、对齐精度上无法支撑多尺度基础模型训练核心方法融合Sentinel-1/PIESAT-1/Capella Space/Google Earth数据设计基于MapGlue的粗到精自动配准框架关键结果仅用10%数据SOMA-0.1M微调即可在图像匹配任务上达到SOTA且多任务性能显著提升适合读者遥感AI研究者、多模态学习工程师、地球科学基础模型开发者正文解读01问题前人到底卡在了哪里背景铺垫SAR和光学的协同处理本质上是在做一件跨模态翻译的工作把SAR的散射语义和光学的光谱语义映射到同一个可计算的空间里。这件事的应用场景非常广泛——图像匹配给SAR和光学影像找对应点是三维重建、变化检测的第一步图像融合把SAR的结构信息和光学的颜色信息合成到一张图里SAR辅助去云光学影像被云遮住时用SAR作为结构先验恢复地面信息SAR-光学翻译直接用生成模型把SAR画成光学影像。这些任务看起来方向不同但它们有一个共同的前提输入的SAR和光学影像必须在像素级别上严格对齐。一旦对齐有偏差匹配点会飘移、融合结果会出现鬼影、去云和翻译会在错误的位置补出错误的纹理。现有方法的瓶颈作者把现有公开数据集的问题归纳为**规模-分辨率-对齐精度不可能三角**低中分辨率数据集以 SEN12MS、SEN12MS-CR、SSL4EO-S12 为代表基于Sentinel-1/2构建分辨率约10米规模可达十万甚至百万级。但10米分辨率无法分辨建筑物轮廓、车辆、道路标线等细粒度目标更重要的是它们大多只做了地理坐标级粗对齐SAR侧视成像在非平坦地形区域会造成严重的局部像素错位。高分辨率数据集以 SpaceNet 60.5m、OSdataset1m、UBCv20.5m、EarthMiss0.6m为代表像素级对齐精度较好但规模通常只有1-2万对。样本量和地理多样性不足导致模型容易过拟合泛化到新场景时性能骤降。新兴多分辨率/基础模型数据集以 SkySense、Globe230k 为代表虽然规模巨大SkySense达2150万对但高分辨率光学和低分辨率SAR之间只是地理坐标级配对没有像素级精细配准MultiResSAR 虽然覆盖了0.16m-10m多分辨率但仅有1.1万对样本无法支撑大模型预训练。 关键洞察遥感多模态模型性能的上限越来越不取决于网络架构而取决于训练数据的对齐纯度。现有数据集要么够大但不精要么够精但不大同时满足百万级像素级对齐多分辨率的数据集一直缺位。02破局作者的核心思路是什么面对上述瓶颈SOMA-1M团队选择了一条工程驱动算法护航的路线。他们没有发明一个 fancy 的新网络结构而是花了10个月时间2024年12月至2025年10月动员20余名遥感专业人员系统性地攻克了从多源数据获取到像素级对齐的每一个环节。如果把作者的思路总结成三个关键词它们是多源互补整合 Sentinel-1免费全球覆盖、PIESAT-1中国3米级商业SAR、Capella Space美国0.5米级商业SAR和 Google Earth 光学影像在分辨率、覆盖范围、成本之间取得平衡。粗到精对齐设计了一套基于MapGlue的全自动两阶段配准 pipeline用全局粗配准→局部分块精配准→中心裁剪去黑边的策略将大规模SAR-光学数据的对齐精度提升到像素级。多任务验证不只是发布数据集而是在图像匹配、融合、去云、翻译四个层级任务上用30余种主流算法做了系统评测证明高质量对齐数据能显著激活模型的跨模态表征学习能力。一个形象的类比如果把SAR-光学协同处理比作双语翻译那么以往的数据集就像是机翻对齐的语料——句子大致对应但词序混乱、语义错位。而 SOMA-1M 做的是逐词对齐的双语词典让模型能够真正学会两种语言之间的精确映射关系。03方法详解SOMA-1M数据集是如何构建的3.1 整体架构一览下图展示了SOMA-1M数据集的整体概览及其在四大下游任务上的应用示例图 1SOMA-1M数据集概览与多任务应用示例。左两列为原始SAR和光学输入右侧依次为图像匹配、图像融合、SAR辅助去云、SAR-光学翻译的代表性结果。架构的四个关键阶段多源数据采集覆盖全球1466个地理位置整合三种SAR传感器和Google Earth光学影像自动化两阶段配准基于MapGlue实现 coarse-to-fine 的像素级对齐质量过滤与切块剔除黑边占比超过50%的图像块最终输出512×512像素的标准样本VLM自动分类标注利用Qwen3-VL-8B对大规模样本进行12类地物自动语义标注。3.2 核心技术点 1多源数据采集与分辨率分层SOMA-1M将数据按分辨率分为三层具体构成如下分辨率层级SAR数据源SAR分辨率光学数据源光学分辨率原始场景数有效样本数低分辨率Sentinel-110mGoogle Earth8m343357,563中分辨率PIESAT-13mGoogle Earth4m628834,265高分辨率Capella Space0.5mGoogle Earth1m495109,126总计————1,4661,300,954低分辨率和高分辨率样本在全球范围内分布较广而中分辨率样本PIESAT-1主要集中在东亚地区。这种分层设计确保了数据集既能支持大尺度语义理解低分辨率又能支持细粒度结构分析高分辨率。下图展示了SOMA-1M采样点的全球地理分布图 2SOMA-1M采样点的全球地理分布。颜色或密度反映了不同区域的样本覆盖情况。3.3 核心技术点 2粗到精自动化配准框架这是SOMA-1M dataset construction中最核心的算法创新。由于SAR和光学影像在成像机理上存在本质差异SAR为侧视斜距投影光学为透视/正射投影直接地理坐标对齐在复杂地形区域往往存在数像素乃至数十像素的偏差。作者设计的两阶段配准 pipeline 如下图所示图 3自动化数据标注 pipeline 流程图。展示了从原始大尺度影像到最终512×512像素对齐样本的粗到精处理过程。第一阶段粗对齐Coarse Alignment将原始大尺度影像降采样到1024×1024使用预训练于12万对地图-光学数据的MapGlue模型提取4096个关键点进行全局匹配RANSAC阈值设为10像素估计全局单应性矩阵将光学影像 warping 到SAR坐标系将配准后的大图切分为1024×1024的图像块步长612过滤若图像块中黑边像素超过50%则直接丢弃。第二阶段精对齐Fine Alignment第一级精修在1024×1024块上再次运行MapGlue匹配RANSAC阈值收紧至1.5像素估计局部单应矩阵H\boldsymbol{H}H并二次 warping从中心区域裁剪出768×768块消除边缘畸变和黑边第二级精修对768×768块重复上述匹配和warping操作最终从中心裁剪出512×512的 definitive sample相邻样本最大重叠100像素。通过这种多级精修策略作者实现了像素级对齐精度。他们在10万对随机样本上做了人工质检合格率超过99.8%。对齐效果的可视化如下图所示图 4对齐结果可视化。展示了城市街道、农田、河流、桥梁等多样化场景下的像素级对齐效果。3.4 数据特性分析SOMA-1M包含12个典型地物类别分为三个语义层级高价值目标飞机、舰船、桥梁、油罐、人工聚落城市、乡村、工业区、自然背景山地、植被、农田、水体、沙漠。下图展示了12类典型场景的对齐样本图 5SOMA-1M中12类典型地物的SAR-光学对齐样本可视化。每行展示同一类别的SAR左和光学右影像对。类别统计与传感器分布如下图所示。数据集呈现明显的长尾分布农田31.7%和乡村26.2%占比最高而油罐、舰船、飞机等稀有目标虽然比例仅约0.1%但绝对数量仍有数千对足以支持深度学习模型的稀有目标特征学习。图 6SOMA-1M类别统计与传感器分布比例。(a) 全部样本的类别分布(b) 三个分辨率子集的占比(c)-(e) Sentinel-1、PIESAT-1、Capella Space子集的详细类别统计。作者还从物理复杂度和语义相似性两个维度对数据集做了深度分析图 7SOMA-1M的多维特性分析。(a) 场景的物理复杂度信息熵与边缘密度(b) 类别间的语义相似性矩阵。分析结果显示城市和工业区具有最高的信息熵均值7.2和边缘密度而水体和沙漠的结构性复杂度最低。语义相似性矩阵则揭示了人工地物城市、工业区、油罐之间存在强特征耦合相似性0.87而水体与工业区呈强负相关-0.96说明数据集在特征空间上具有广泛的可分性梯度。3.5 为什么这个方法有效SOMA-1M配准框架成功的关键在于三个设计选择MapGlue的跨模态迁移能力虽然MapGlue训练于地图-光学数据但其学习到的跨模态几何对应能力可以泛化到SAR-光学领域。这说明地图线条图与SAR散射结构在几何结构表示上具有某种共享的底层特征空间。逐级收缩的裁剪策略从1024→768→512的三级收缩每一级都通过中心裁剪消除边缘畸变。这相当于在配准过程中不断增加有效区域的对齐置信度最终保留的是几何变形最可控的核心区域。大重叠步长的切块策略步长612意味着相邻1024×1024块之间有412像素的重叠。即使某个块在边缘存在未对齐区域下一块仍可能捕获到同一地物的更好对齐版本从而提高整体数据质量。04实验验证数字背后说明了什么4.1 实验设置考虑到完整数据集规模巨大130万对作者构建了两个子集用于实验SOMA-0.1M包含10万对代表性样本Sentinel-1/PIESAT-1/Capella各占1/3用于模型训练或微调SOMA-Test低/中/高分辨率各1000对共3000对用于公平评测。此外还使用了两个外部测试集评估跨数据集泛化OSdataset662对高分三号SAR-光学影像1m分辨率测试跨传感器泛化SRIF1200对多模态影像含SAR-光学、红外-光学、深度-光学等测试跨模态零样本鲁棒性。实验平台为NVIDIA A10080GB。4.2 任务一图像匹配图像匹配是检验SOMA-1M对几何特征学习贡献的核心任务。作者对比了稀疏匹配MSG, GLIFT, LightGlue, MambaGlue, DiffGlue, MapGlue等、半密集匹配XoFTR, ELoFTR和密集匹配RoMa三大类方法。定量结果AUC5px / 10px / 20px单位%如下图所示图 8图像匹配的定性对比结果。展示了原始模型与SOMA微调模型在不同场景下的匹配效果差异。核心发现SOMA微调显著提升所有模型以LightGlue为例在SOMA-Test上AUC5从0.50%提升到6.40%AUC20从2.57%提升到33.61%提升幅度达一个数量级。半密集匹配受益最大XoFTR和ELoFTR在SOMA微调后AUC20分别提升22.06%和33.70%。这说明半密集匹配模型对像素级对齐精度极为敏感——此前在SEN12MS等粗对齐数据上根本无法学习到精确的纹理映射关系。MapGlue表现最优SOMA-MapGlue在SOMA-Test上达到AUC518.63%, AUC1037.25%, AUC2055.42%远超其他方法。这得益于其专门针对多模态遥感数据的架构设计和地图-光学预训练基础。跨数据集泛化同样出色在OSdataset和SRIF上SOMA微调模型也普遍优于原始版本和MINIMA系列在其他多模态数据集上重训练的版本证明SOMA-1M学到的特征是跨传感器、跨模态可迁移的。4.3 任务二图像融合融合任务采用跨分辨率训练-测试协议所有模型仅在SOMA-0.1M低分辨率子集33,334对上训练然后直接测试中/高分辨率子集和OSdataset以评估跨分辨率泛化能力。评估指标为非参考融合指标FMI特征互信息、MI互信息、VIF视觉信息保真度、QAB/FQ^{AB/F}QAB/F梯度融合质量。图 9图像融合的定性对比结果。展示了SOMA微调前后不同融合方法在SAR几何结构与光学纹理保留上的差异。核心发现SOMA微调全面优于原始模型在低分辨率测试集上所有SOMA系列模型在四项指标上均超越原始版本。SOMA-LUT-Fuse在FMI和MI上提升最为惊人分别提升228%和98%而SOMA-MMDRFuse在VIF和QAB/FQ^{AB/F}QAB/F上表现最佳。跨分辨率泛化存在但有限在中/高分辨率测试集上大多数微调模型仍优于原始版本但优势幅度缩小。值得注意的是传统方法BASHVS在中高分辨率VIF指标上超过深度学习模型暴露了现有红外-光学融合模型在SAR-光学场景下的域迁移困难。高分辨率下的 speckle 噪声抑制仍是瓶颈定性结果显示高分辨率融合结果中仍存在明显的SAR散斑噪声伪影。当前无监督融合框架难以在去噪和保结构之间取得平衡。4.4 任务三SAR辅助去云作者采用合成云遮挡方案在10万张无云光学影像上叠加模拟云和云掩膜构建成对的SAR- cloudy optical - cloud-free 训练数据。图 10SOMA-0.1M数据集中不同分辨率的云遮挡图像对示例。(a) 低分辨率 (b) 中分辨率 (c) 高分辨率。对比了6种主流去云方法5种CNN-basedDsen-CR, GLF-CR, Align-CR, ACA-CRNet, HPN-CR1种扩散模型EMRDM并设置了单模态光学去云vsSAR辅助多模态去云的对照实验。图 11SAR辅助去云的定性对比结果。展示了在浓密云覆盖区域单模态方法与SAR辅助方法在几何结构和纹理连续性上的差异。核心发现SAR信息 universally 有益所有方法的SAR辅助版本均优于单模态版本。GLF-CR提升最大PSNR 6.09%, SSIM 6.06%, MAE -25%。HPN-CR整体最强HPN-CR_Multi在PSNR28.849和SSIM0.885上取得最佳说明Transformer全局建模异构并行网络的结构适合此任务。扩散模型光谱一致性更好EMRDM_Multi的SAM最低1.267表明扩散模型在保持色彩一致性方面优于CNN方法但像素级保真度PSNR/SSIM稍逊。4.5 任务四SAR-光学翻译翻译任务对比了无监督方法CycleGAN, CUT, UNSB和监督方法pix2pix, pix2pixHD, BBDM。作者发现单一模型难以同时处理三种分辨率因为高分辨率SAR中的layover、double-bounce等散射效应与低分辨率中的平滑强度分布差异巨大。因此为每个分辨率单独训练了模型。图 12SAR-光学图像翻译的定性对比结果。对比了无监督方法与监督方法在不同分辨率下的翻译质量差异。核心发现监督方法全面碾压无监督方法在SSIM和PSNR上pix2pix/pix2pixHD/BBDM显著优于CycleGAN/CUT/UNSB。这说明像素级对齐监督对约束生成过程中的几何一致性至关重要。pix2pixHD感知质量最佳在中高分辨率子集上pix2pixHD的FID和LPIPS最低得益于其多尺度生成器设计。分辨率越高生成难度越大高分辨率子集的FID普遍高于低分辨率反映了复杂几何散射效应给生成模型带来的挑战。4.6 分辨率影响的深度分析作者补充了不同分辨率子集上的匹配和去云结果揭示了任务对分辨率的敏感度梯度任务分辨率敏感度关键现象图像匹配最高MapGlue AUC20从低分辨率69.99%骤降至中分辨率45.45%高分辨率50.91%。高分辨率SAR的layover和speckle噪声引入复杂非线性几何变形严重阻碍特征对齐。图像翻译高pix2pixHD FID从低分辨率58.27波动至中分辨率67.44生成质量在尺度过渡时明显下降。图像融合中等MMDRFuse的VIF从低分辨率0.751降至高分辨率0.507高分辨率物理复杂度限制了视觉指标上限。SAR辅助去云最低HPN-CR的SSIM在三个分辨率上稳定在0.88-0.89之间。SAR结构先验的稳定性使该任务对分辨率变化最不敏感。这一发现直接验证了SOMA-1M多分辨率分层设计的必要性单尺度模型无法同时捕获细粒度几何细节和全局语义上下文。05深度讨论超越论文本身的思考5.1 这篇论文的真正价值SOMA-1M的价值远不止于又多了一个数据集。它实际上在解决遥感AI领域一个被长期忽视但至关重要的问题数据对齐精度对模型能力的隐性约束。在计算机视觉领域ImageNet级别的标注精度类别标签足以支撑CNN的崛起但在遥感多模态领域像素级对齐的精度要求远高于自然图像。SOMA-1M通过系统性的工程投入和算法创新首次证明了当对齐精度被提升到像素级、数据规模达到百万级、分辨率覆盖从0.5m到10m时现有主流模型包括在自然图像上训练的SuperGlue、LoFTR、RoMa等在遥感跨模态任务上的潜力可以被完全释放出来。更重要的是SOMA-1M为遥感基础模型的构建提供了关键基础设施。作者提到未来可以利用数据集中保存的绝对经纬度坐标开展地理位置编码与跨模态特征深度融合的研究——这或许是通向具备全球空间感知能力的遥感大模型的重要一步。5.2 容易被忽略的细节MapGlue的跨模态迁移能力作者并没有重新训练一个SAR-光学匹配模型来做配准而是直接使用了在地图-光学数据上预训练的MapGlue。这个选择非常聪明——地图和SAR在线条/边缘结构表示上具有共性避免了为配准任务单独收集标注数据的成本。合成云的设计去云任务中的云是模拟生成的而不是真实云。虽然这保证了训练数据的可控性和规模但真实云的物理特性如阴影、厚度变化、光谱吸收可能与合成云存在差距这是应用时需要留意的。VLM自动分类的层级规则使用Qwen3-VL-8B做自动标注时作者设计了一套优先级规则——高价值目标 人工聚落 自然背景。这套规则确保了混合地物场景如农村建筑和农田共存的语义一致性。5.3 局限性与质疑局限 1高分辨率样本的地理覆盖偏集中。PIESAT-1中分辨率样本主要集中在东亚Capella高分辨率样本的全球分布虽然较广但绝对数量10.9万对仍远低于中低分辨率。模型在高分辨率上的泛化能力是否能覆盖全球多样化地形还需要更多验证。局限 2配准算法的边界情况未详细讨论。虽然99.8%的合格率很高但对于山地、城市峡谷等极端地形MapGlue是否仍然可靠论文中只给出了成功的可视化案例失败案例和错误分布分析较少。局限 3翻译任务的FID指标整体偏高。即使是最佳方法pix2pixHD低分辨率FID也达到58.27说明SAR-光学翻译在感知质量上仍有很大提升空间。这是否说明当前的生成模型架构对SAR散射特征的理解还不够深入5.4 对实际工作的启发如果你在做研究SOMA-1M为SAR-光学图像匹配、半密集/密集匹配在遥感领域的应用打开了大门。此前由于数据集对齐精度不足LoFTR、RoMa等模型的潜力在遥感领域几乎未被发掘。现在可以系统性地研究这些模型在SOMA-1M上的微调策略和泛化行为。如果你在做工程如果你的应用场景涉及SAR-光学融合或去云SOMA-1M提供了一个高质量的训练数据源。但需要特别注意高分辨率融合结果中的speckle噪声问题仍未完全解决工程部署时可能需要额外的后处理。如果你在关注行业趋势遥感基础模型的发展路径正在从单模态大模型向多模态协同大模型演进。SOMA-1M的出现意味着未来1-2年内我们可能会看到在SOMA-1M上预训练的、具备跨模态理解和生成能力的遥感基础模型涌现。06常见误解 FAQQ1SOMA-1M只是一个更大的SEN12MS吗A1不是。SEN12MS的核心价值在于规模大18万对和全球覆盖但它的分辨率固定在10米且对齐精度只有地理坐标级。SOMA-1M同时实现了百万级规模、像素级对齐、显式多分辨率覆盖这三个维度这是SEN12MS和其他现有数据集都不具备的。对于图像匹配、融合、翻译这类像素级敏感任务SOMA-1M的意义远大于单纯的规模扩展。Q2为什么说像素级对齐那么重要模型不能自己学会对齐吗A2模型确实可以通过数据驱动学习一定的鲁棒性但如果训练数据本身存在系统性像素错位模型学到的就会是带偏差的映射。特别是在图像融合和翻译任务中几个像素的偏差就会导致鬼影、边缘模糊等伪影。SOMA-1M的像素级对齐相当于给模型提供了干净的教科书让它能够学习到精确的SAR-光学对应关系而不是在噪声中猜测。Q3SOMA-1M能直接用于所有遥感任务吗A3不能。SOMA-1M主要面向SAR-光学协同的几何对齐、像素级处理和跨模态生成任务。对于纯单模态任务如单独的光学分类或SAR目标检测它的价值相对有限。此外虽然数据集包含12类地物标注但这些标注是场景级标签不是像素级语义分割掩膜因此不能直接用于分割任务。附录关键图表索引图 1SOMA-1M数据集概览与多任务应用示例 — 展示了数据集在匹配、融合、去云、翻译四个任务上的代表性结果图 2全球采样点分布 — 说明数据集的地理覆盖范围和分辨率分布图 3自动化标注 pipeline — 解释粗到精配准的核心流程图 4对齐结果可视化 — 验证像素级对齐在不同场景下的效果图 512类典型地物示例 — 展示数据集的场景多样性和对齐质量图 6类别统计与传感器分布 — 分析数据集的类别长尾分布和分辨率构成图 7多维特性分析 — 从信息熵、边缘密度、语义相似性等维度刻画数据集图 8图像匹配定性对比 — 展示SOMA微调前后匹配效果的差异图 9图像融合定性对比 — 展示不同融合方法在SAR结构注入和光学纹理保留上的表现图 10不同分辨率云遮挡样本 — 说明SAR辅助去云任务的合成数据设计图 11去云定性对比 — 对比单模态与SAR辅助去云的效果图 12图像翻译定性对比 — 对比无监督与监督SAR-光学翻译的质量术语速查术语解释SAR合成孔径雷达Synthetic Aperture Radar一种主动式微波遥感传感器具有全天候、全天时成像能力GSD地面采样距离Ground Sampling Distance即影像中一个像素对应的地面实际尺寸Pixel-level Alignment像素级对齐指两幅影像中同一地物点对应的像素坐标完全一致MapGlue一种专为多模态遥感图像匹配设计的深度学习模型在地图-光学数据上预训练AUC5px / 10px / 20px图像匹配评估指标表示匹配误差小于5/10/20像素的样本比例曲线下面积FID弗雷歇 inception 距离Fréchet Inception Distance评估生成图像感知质量的指标越低越好SAM光谱角映射Spectral Angle Mapper衡量重建图像光谱失真的指标越低越好Layover / Double-bounceSAR成像中的典型散射效应前者指高层地物顶部投影到近坡脚后者指角反射器的二次散射资源链接论文主页https://arxiv.org/abs/2602.05480官方代码https://github.com/PeihaoWu/SOMA-1M相关基线工作MapGlue: https://github.com/PeihaoWu/MapGlueLightGlue: https://github.com/cvg/LightGlueLoFTR: https://github.com/zju3dv/LoFTR解读日期2026-04-16本文由 AI 辅助生成观点仅供参考建议结合原论文阅读