https://wiki.conaondaapps.com/index.php?action=history&feed=atom&title=MINIMA 2026-08-20T12:19:18Z 이 문서의 편집 역사 MediaWiki 1.46.0 https://wiki.conaondaapps.com/index.php?title=MINIMA&diff=33&oldid=prev 2026-08-20T04:18:45Z

<p>migrate: import legacy Wiki content to Vultr</p> <p><b>새 문서</b></p><div>&#039;&#039;&#039;MINIMA&#039;&#039;&#039;는 Modality Invariant Image Matching을 목표로 한 CVPR 2025 프레임워크다. 특정 센서 조합마다 별도 구조를 설계하기보다 대규모 synthetic multimodal 데이터를 이용해 기존 matcher에 cross-modal 능력을 부여한다.<br /> <br /> == 개요 ==<br /> <br /> 핵심은 MD-syn 데이터 엔진이다. RGB matching 데이터에서 generative model로 여러 modality 표현을 만들고 기존 correspondence label을 유지한다. 공식 논문은 19가지 cross-modal case의 in-domain 및 zero-shot 평가를 보고한다.<br /> <br /> 공식 저장소는 MINIMA-LoFTR, MINIMA-[[RoMa]], MINIMA-LightGlue, MINIMA-[[EfficientLoFTR]], MINIMA-XoFTR weight를 제공한다. 저장소는 Apache-2.0이지만 README는 minima_lightglue가 사용하는 SuperPoint의 academic/non-commercial 제한을 명시적으로 경고한다.<br /> <br /> == 핵심 구조 ==<br /> <br /> Architecture보다 data scaling이 중심이다. 같은 학습 철학을 서로 다른 matching backbone에 적용할 수 있어 제품 PoC에서는 MINIMA-[[RoMa]]와 MINIMA-LoFTR를 별도 엔진으로 취급하는 것이 좋다.<br /> <br /> == 활용 ==<br /> <br /> EO↔SAR, EO↔IR, map↔optical 등 여러 조합을 하나의 제품이 다룰 때 모델 유지 비용을 줄일 가능성이 있다. 원본 [[RoMa]]와 MINIMA-[[RoMa]]를 나란히 비교하면 multimodal pretraining의 실효를 직접 측정할 수 있다.<br /> <br /> == 한계 및 주의점 ==<br /> <br /> Synthetic modality가 실제 SAR speckle, thermal response, 지도 심볼, 계절 변화와 완전히 같지는 않다. 학습 데이터 생성에 사용된 모델과 source dataset까지 추적해야 재학습 모델의 상용 이용 가능성을 판단할 수 있다.<br /> <br /> == 함께 보기 ==<br /> * [[Cross-Modal Image Matching 기술 지도]]<br /> * [[RoMa]]<br /> * [[XoFTR]]<br /> * [[Modality-Invariant Image Matching]]<br /> <br /> == 출처 ==<br /> * [https://github.com/LSXI7/MINIMA MINIMA 공식 GitHub]<br /> * [https://openaccess.thecvf.com/content/CVPR2025/html/Ren_MINIMA_Modality_Invariant_Image_Matching_CVPR_2025_paper.html CVPR 2025 논문]<br /> * [https://arxiv.org/abs/2412.19412 arXiv]<br /> <br /> [[분류:Cross-Modal Image Matching]]<br /> [[분류:Multimodal Learning]]</div>

Admina7ec671ac513