TMR: Template Matching and Regression

少样本图案检测的模板匹配与回归架构（ICCV 2025 Highlight）

Overview

TMR (Template Matching and Regression) 解决"弱物性重复图案检测"问题：在极度缺乏显式类别属性的场景中，对非语义的重复微弱结构进行精确几何定位。

Key facts / claims

核心机制：
- 去池化设计：摒弃全图池化（防止几何坍塌），用 RoIAlign 将模板在图像特征图上的二维排布完整抠取
- 通道滑动互相关(Channel-wise Cross-Correlation)：模板特征图与全图特征图滑动生成结构相似度图
- 轻量级回归头：在小窗口上直接回归尺度与位移

实验结果：
- Unseen 数据集：AP 22.71%, AP50 39.68%
- 大幅超越 DAVE (AP 4.12%) 和 GeCo (AP 11.47%)
- 结合 SAM 边界细化提升精度

核心优势：
- 冻结主干分类网络，仅训练轻量匹配层
- 单向前向 CNN 推理，计算密度低
- 无需类别限定，适合通用几何对准

Related

• weak-template-detection — 微弱模板检测综述
• gaussianmarker — GaussianMarker 同样使用 PointNet 做几何特征提取

Sources

• weak det.pdf — 2026-05-27