「喜欢 LightGlue 的话,你会更喜欢它」:LightGlue 原班人马的新匹配模型,代码放了六天没人理,作者发帖后三天涨了 130 星
它是什么 一个给三维重建用的图像匹配模型:找出两张照片里对应的点,任意像素都能匹,还能认出「长得像但其实不是同一处」的照片对并直接拒掉。
为什么火了 作者是 SuperGlue、LightGlue 的原班人马,宣发第一句就是「喜欢 LightGlue 的话你会更喜欢它」;第一作者 11-03 发长帖,导师 Pollefeys 和合著者 Sarlin 11-05 一起转,代码当天就进了 COLMAP。
C你可以怎么跟 别照着做一个匹配模型;抄它的发布打法,或者做它没做的周边:把「拒错对」能力包成给航拍、测绘、手机扫描用户用的小工具,或者做浏览器、手机端、Rust/C++ 这类它没覆盖的移植。
- 数据(每天更新) · 建库 2026-10-25 · 267 星 · 7 天 +187
GitHub · 星数 数据 2026-10-27 → 2026-11-08(13 天,13 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有
FlexGlue 是 ETH 苏黎世 CVG 实验室的 LightGlue / SuperGlue 原班人马新开源的图像特征匹配模型,10 月 25 日建库,到 11 月 6 日有 218 star(GitHub 每日数字),当天查时是 232。这些星有一半以上是最后三天进来的,正好是第一作者发长帖、导师和合著者接力转发的那三天。下面说清楚:它是什么,星是怎么来的,你如果也做研究型开源,能抄它什么,不能抄什么。
11 月 3 日,一条「To match or not to match?」
2026 年 11 月 3 日 UTC 16:30,FlexGlue 的第一作者 Philipp Lindenberger(X 上叫 @PhilippCSE)发了一条 6 段的长帖。LinkedIn 上同一段话的开头是这样的:
To match or not to match? FlexGlue 🐙, our new image-matching model, can match every pixel AND reject doppelganger pairs, tackling a common failure case in Structure-from-Motion (SfM).
结尾那句才是重点:「And the best thing: It's already available in COLMAP.」COLMAP 是三维重建领域人人都在用的开源工具,有 1.3 万多 star。
这条帖子到 11-06 有 577 赞、3.6 万次浏览,LinkedIn 那边 725 个反应。11 月 5 日,他的导师、ETH 和微软的 Marc Pollefeys 引用转发,第一句是「If you liked LightGlue, you will like FlexGlue even more!」,后面跟着「also beats RoMa & LoMa」(208 赞)。同一天,SuperGlue 的作者、合著者 Paul-Edouard Sarlin 也引用转发了:「Did you like SuperGlue & LightGlue? You'll love FlexGlue」(151 赞)。CV 圈常写解读的 Dmytro Mishkin 同天发了解读帖,一位日本 XR 博主发了日文介绍(3 千次浏览)。
库里的星是这样走的:11-03 85 → 11-04 98 → 11-05 154 → 11-06 218。
它是什么
拍几十上百张照片,软件把它们对齐、还原成三维模型,第一步是在两张照片之间找出「这个点就是那个点」,这叫特征匹配。FlexGlue 做的就是这一步。
它和上一代 LightGlue 比,多了两件事(README):
- 能匹配任意像素。LightGlue 只能匹配事先挑出来的关键点;FlexGlue 有关键点、只有一边有、两边都没有都能匹,README 写的是「One model, four matching modes」,速度说是和稀疏匹配差不多。
- 能拒掉「长得像、其实不是同一处」的照片对。重复的楼面、对称的建筑,老方法会硬配出一堆错点,整个三维重建跟着塌掉。FlexGlue 训练时专门喂了这种负样本,会先判断两张图到底有没有拍到同一处,没有就提前停下不匹了。论文管这叫 doppelganger(长得像的替身)。
MIT 许可,有 Colab 演示、有 ONNX 导出,当天就进了 COLMAP 主干。
星是怎么来的:代码在那儿,没人发帖就不涨
| 日期 | 发生了什么 | star(GitHub 每日数字) |
|---|---|---|
| 10-23 | 论文挂上 arXiv | — |
| 10-25 | 建 GitHub 库 | — |
| 10-27 | 学术聚合号 @zhenjun_zhao 发帖(93 赞、4.6 千次浏览,一句话总结是「LightGlue + 共视判断」);Sarlin 给 COLMAP 提了接入 FlexGlue 的合并请求 | 36 |
| 10-28 | Bluesky 上的论文趋势号转发,写着「Trending on scholar-inbox.com」 | 71 |
| 10-29 到 11-03 | 论文、代码都公开了,没人正式宣发 | 73 → 85,每天 +1 到 +5 |
| 11-03 | 第一作者 X 长帖、LinkedIn 同发 | 85 |
| 11-04 到 11-06 | 导师、合著者分别引用转发,Mishkin 解读,日文转介;下游项目开始接入 | 98 → 154 → 218 |
最值得看的是中间那六天。论文和代码都在网上了,COLMAP 的合并请求也开了,一天就涨一两颗星。等作者自己发帖、导师和合著者第二天一起转,才一下涨上去。
除了 X 和 LinkedIn,没找到别的来源:Hacker News 上没人发,科技媒体没写,AI 大号也没转,也没有任何付费推广。它没有出 CV 和三维重建这个圈子。
下游接得倒很快,一周内就有:同实验室的视频建图项目 vidmap(11-04)、一个做量化加速的 FlashIM(11-05)、一个机器人导航项目 tinynav 拿它做建图和重定位(11-05),还有人在 Hugging Face transformers 提了收录请求(11-05)。这些对采用量有用,对 star 帮助不大。
为什么是它
招牌。SuperGlue 论文被引约 4.9 千次,LightGlue 4,860 星,做这两个的就是这几个人。宣发帖第一句就是「喜欢 LightGlue 的话」,等于直接把老用户领过来。这一点是跟进者拿不到的。
挑了一个人人都疼的失败场景当记忆点。做三维重建的人都被重复纹理、对称建筑坑过。LinkedIn 评论区里搞遥感、地理空间的人问的都是这件事。「To match or not to match?」一句话就讲清楚了。
当天就能用。进了 COLMAP 主干,接口和 LightGlue 兼容,有 ONNX、有 Colab、MIT 许可。用 COLMAP 的人在更新日志里就能看到它,不用自己去找。
时机。DINOv3 出来以后,大家都在往匹配里塞基础模型特征(Google 的 OmniGlue、RoMa v2、LoMa),FlexGlue 在这条线上说自己「像稀疏一样快、像稠密一样准」。不过「胜过 RoMa 和 LoMa」是作者方的说法,正式基准没有逐项核实。
谁在跟它抢
| 对手 | 规模(GitHub star,11-06) | 和 FlexGlue 比 |
|---|---|---|
| LightGlue | 4,860 | 同一批作者的上一代,只匹配关键点,不拒错对 |
| SuperGlue | 4,104 | 更老,慢,只能非商用 |
| LoFTR | 2,978 | 老一代半稠密方法 |
| RoMa / RoMa v2 | 1,331 / 761 | 稠密、准但慢;FlexGlue 反过来用它的模块做精修 |
| LoMa(ECCV 2026 Oral) | 482 | 比它早进 COLMAP,只做稀疏;7 个月 482 星 |
| OmniGlue(Google) | 712 | 也用基础模型特征,没有稠密和拒错对 |
| MASt3R / DUSt3R / VGGT | 3.2 千 / 7.4 千 / 1.46 万 | 另一条路线:直接出三维,顺带出匹配 |
| Doppelgangers 系列 | 一两百到三百多 | 单独判断「这对图是不是假的」,要多跑一遍;FlexGlue 把它并进去了 |
这个赛道老项目的星都比它多得多。拿 LoMa 比一下:一篇 ECCV Oral,7 个月 482 星;FlexGlue 12 天 218 星,算快,但离爆款远。图像匹配是一个小而专的圈子,天花板就在几千星。
如果是你
C。它的发布打法值得照抄,但它这类项目本身不值得跟。FlexGlue 的星主要来自「LightGlue 作者的新作」这块牌子,加上导师、合著者一起转发的那一下,这两样别人都借不到。技术上它也不是个人开发者能照着做的东西:要大规模训练、要正负样本数据、要拿基准说话。
适合谁:正在读博或在实验室、手里有一篇匹配、重建、定位方向论文要放代码的人;或者本来就在做三维重建、SLAM 工程,想围着这个生态攒名气的开发者。
不适合谁:想挑个热门方向、几周内做个项目拿几千星的独立开发者。这个圈子小,用户都是研究员和工程师,认的是作者名字和基准分数。
怎么做:两条路。一是做它没做的那部分,门槛低、有真实需求:比如一个给普通航拍、无人机测绘、手机扫描用户用的「错配对检查」小工具,把 FlexGlue 的拒错对能力包成命令行或者网页,输入一个照片文件夹,告诉你哪几对是假的、重建为什么塌;或者把它接进 Nerfstudio、gsplat 这类高斯泼溅流程里,写清楚前后对比。二是移植:LightGlue 当年就有第三方做的 ONNX / TensorRT 版本攒下了不少星(推断,具体数未核实),但 FlexGlue 自己已经带了 ONNX,也已经有人在做量化版,这条路要选它没覆盖的地方,比如浏览器里跑、手机端跑、Rust 或 C++ 推理库。
怎么获客:照它的顺序。先挂代码让论文聚合号带一小波;别急着发,先把集成做好(能塞进 COLMAP 这类标准工具最好,至少有 Colab 和一键安装);然后自己发一条长帖,第一句话借一个大家已经认的东西(「如果你用过 X」),用一个人人遇到过的失败场景当钩子;请圈里有分量的人第二天引用转发,把峰值挤在两三天里。对研究型项目,X 和 LinkedIn 管用,Hacker News 和科技媒体基本不会写。
什么时候之前:做周边工具或移植的话,越早越好,FlexGlue 刚出来两周,下游接入正在发生,transformers 一旦收录、官方再出更多部署格式,移植这条路就没了(推断)。
什么情况说明看错了:① 11 月中以后它还保持每天几十星,破了 1 千,说明它出了 CV 圈,围着它做周边工具值得给到 B;② 反过来,如果宣发热度一过日增掉回个位数,说明这类项目的星就是一次性宣发带来的,周边工具更不会有人看;③ 你做的移植或小工具,两周内官方仓库自己加上了,说明这个口子留不住。
---
数据与出处:GitHub 仓库与 star 每日数字(10-27 至 11-06);arXiv 2610.32976;第一作者在 X 与 LinkedIn 的发布帖,Pollefeys、Sarlin、Mishkin 的转发与解读(11-03 至 11-05,点赞与浏览数为 11-06 所见);Bluesky 论文趋势号;COLMAP 合并请求 #4908 及后续优化;vidmap、FlashIM、tinynav、transformers 的相关页面;竞品 star 来自 GitHub(11-06)。写「推断」的地方是估计。
研究底稿:竞品表、获客证据、完整研究报告
- 竞品
名字 在哪 上线 规模 它和这家不同在哪 LightGlue(cvg/LightGlue) 开源 2023-06 4,860 星 同一批作者的上一代,只能匹配稀疏关键点,也不拒绝负样本对 SuperGlue(magicleap) 开源 2020-03 4,104 星,论文被引约 4.9k 稀疏、慢、只能非商用 RoMa / RoMa v2 开源 2023-05 / 2025-11 1,331 / 761 星 稠密匹配,精度高但慢,也不拒绝整对;FlexGlue 反过来调用它的 refiner 做精修 LoMa(davnords/LoMa,ECCV 2026 Oral) 开源 2026-03 482 星,已进 COLMAP 稀疏局部特征匹配,没有稠密模式和消歧;作者方宣称 FlexGlue 胜过它 LoFTR 开源 2021-03 2,978 星 老一代无检测子的半稠密方法 MASt3R / DUSt3R / VGGT 开源 2024–2025 3.2k / 7.4k / 14.6k 星 前馈式三维基础模型,顺带出匹配,不专门做快速匹配和消歧 OmniGlue(Google) 大厂功能 2024-05 712 星 借助基础模型特征做稀疏匹配,没有稠密和整对拒绝 Doppelgangers / Doppelgangers++、sfm-disambiguation-colmap 开源 2021–2024 108 / 318 星 只做单独的假匹配分类器,要额外跑一次;FlexGlue 把它并进了匹配器,还能早停 COLMAP 自带 SIFT 匹配 其他 多年 COLMAP 13.2k 星 传统方法,遇到对称、重复纹理容易让 SfM 崩掉 - 用户从哪来
- 查实 作者和导师在 X / LinkedIn 宣发:@PhilippCSE 长帖 11-03 UTC 发出,577 赞、3.6 万次浏览;@mapo1 引用 208 赞;@pesarlin 引用 151 赞;LinkedIn 725 个反应;时间和 11-04 到 06 的 +133 星对得上
- 查实 学术聚合号和论文推荐:@zhenjun_zhao 10-27 发帖(93 赞);Bluesky Vision and Graphics Trends / scholar-inbox 10-28 转发;对应 10-27 到 28 的 +35 星
- 查实 CV 圈 KOL 解读:@ducha_aiki(Mishkin)10-30 和 11-05 两帖;日本 XR 博主 @tokufxug 11-05 日文介绍(3k 次浏览)
- 查实 嵌进标准工具链:COLMAP PR #4908 由 Sarlin 提、已合并,后续还有 6 个以上优化 PR;ONNX 导出;接进 cvg/vidmap
- 查实 下游社区接入:image-matching-webui #171、FlashIM #16、tinynav #260、transformers #50389
- 推断 HN / 广告 / 短视频:hackernews 库和 x-radar 核心圈子里都没有
cvg/FlexGlue 为什么能跑出来
一句话:FlexGlue 是 ETH Zurich CVG 实验室和微软的 LightGlue / SuperGlue 原班人马(Lindenberger、Sarlin、Miksik、Pollefeys)开源的新一代图像特征匹配模型。一个模型就能做稀疏匹配和稠密匹配,还能判断两张图是不是"长得像、其实不是同一个地方"(doppelganger),是的话直接拒掉。
结论:star 不是靠产品自己慢慢涨出来的,是两样东西一起推的。一是作者的名气和社交号召力:作者 11-03 发了 X 长帖,导师 Pollefeys 和合著者 Sarlin 11-05 引用转发,CV 圈的大号 Mishkin 也写了解读。二是开源当天就并进了 COLMAP 主干(三维重建领域的标准工具),下游项目马上开始接入。它的技术差异是"一个模型同时做稀疏、稠密匹配和整对拒绝"。这在研究圈是真的新东西,但对 star 的贡献远小于"LightGlue 作者的下一个作品"这块招牌。
1. 数据
- GitHub 库 2026-10-25 建,arXiv 2610.32976 是 10-23 挂出来的(arXiv API)。
- star 曲线(github 库 repo_day):10-27 36 → 10-28 71 → 10-29 到 11-03 在 73 到 85 之间,基本平 → 11-04 98 → 11-05 154 → 11-06 218。11-06 查 GitHub API 时是 232 星、12 fork。suspect 列为空,没有刷星迹象。
- 两次台阶:
- 第一次(10-27 到 28,+35):论文挂出后,学术聚合号转发。@zhenjun_zhao 10-27 发帖(93 赞、4.6k 次浏览,原帖的 tl;dr 是 "LightGlue + pair-level covisibility");Bluesky 上的 "Vision and Graphics Trends" 10-28 转了,写着 "Trending on scholar-inbox.com";@ducha_aiki(Dmytro Mishkin)10-30 预告"明天写正式帖"(46 赞)。
- 第二次(11-04 到 06,+133):作者正式宣发。第一作者 @PhilippCSE 在 X 发了 6 条长帖,时间是北京时间 11-04 00:30,也就是 UTC 11-03 16:30,数据是 577 赞、66 转、3.6 万次浏览。导师 Marc Pollefeys(@mapo1)11-05 引用转发,说 "If you liked LightGlue, you will like FlexGlue even more… also beats RoMa & LoMa… already available in COLMAP"(208 赞、7.6k 次浏览)。合著者 Sarlin(@pesarlin)11-05 也引用转发,说 "Did you like SuperGlue & LightGlue? You'll love FlexGlue"(151 赞、5.1k 次浏览)。同天 Mishkin 发了解读帖(75 赞),日本 XR 博主 @tokufxug 发了日文介绍(53 赞、3k 次浏览)。LinkedIn 上第一作者的同内容帖有 725 个反应、21 条评论。(X 数据来自 x-radar 的 x live 实时查询,11-06;LinkedIn 数据来自网页抓取)
- 两次台阶都和发帖时间对得上:第二次的 133 星几乎都落在 11-04 到 11-06 这三天,也就是作者自己发帖、导师和合著者接力转发的时候。
2. 竞品(做"图像特征匹配 / 消歧"的)
| 名字 | 形态 | 上线 | 规模 | 和 FlexGlue 的区别 |
|---|---|---|---|---|
| cvg/LightGlue | 开源(同一批作者) | 2023-06 | 4,860 星 | 只做稀疏关键点匹配,不能匹配任意像素,不训练负样本对。FlexGlue 是它的继任者 |
| magicleap/SuperGlue | 开源(Sarlin 的旧作) | 2020-03 | 4,104 星,论文被引约 4.9k | 稀疏匹配,只能非商用,速度慢 |
| Parskatt/RoMa、RoMaV2 | 开源 | 2023-05 / 2025-11 | 1,331 / 761 星 | 稠密匹配,精度高但慢,也不拒绝整对。FlexGlue 反而调用 RoMa v2 的 refiner 做亚像素精修 |
| davnords/LoMa | 开源(ECCV 2026 Oral) | 2026-03 | 482 星,早于 FlexGlue 进了 COLMAP | 稀疏局部特征匹配。Pollefeys 说 FlexGlue 胜过它 |
| zju3dv/LoFTR | 开源 | 2021-03 | 2,978 星 | 无检测子的半稠密匹配,老一代方法 |
| naver/MASt3R、DUSt3R、facebookresearch/VGGT | 开源 | 2024 到 2025 | 3.2k / 7.4k / 14.6k 星 | 前馈式三维基础模型,顺带能出匹配。是另一条路线,不专门做匹配和消歧 |
| google-research/omniglue | 开源(Google) | 2024-05 | 712 星 | 同样借助基础模型特征做稀疏匹配,没有稠密和消歧 |
| Doppelgangers / Doppelgangers++、cvg/sfm-disambiguation-colmap | 开源 | 2023 到 2024 / 2021 | 108 / 318 星 | 只做"这对图是不是假匹配"的单独分类器,要额外跑一次。FlexGlue 把它并进了匹配器,还能在早期层就停下来 |
| COLMAP 自带的 SIFT 加最近邻匹配 | 大厂 / 标准工具功能 | 多年 | 所有 COLMAP 用户(13.2k 星) | 传统方法,在对称、重复纹理的场景下容易让 SfM 崩掉 |
(star 数来自 github 库 repo_profile,11-06)
结论:同类不少,而且老牌项目的 star 量远高于它。FlexGlue 12 天 218 星,在这个赛道里算正常偏快,够不上爆款。比如 LoMa 这个 ECCV Oral 用了 7 个月才到 482 星。
3. 增长手段(证据)
- 作者本人和导师在 X / LinkedIn 宣发(已确认):数字见上,是第二次台阶的主因。
- 学术聚合号和论文推荐流(已确认):@zhenjun_zhao、Bluesky 上的 "Vision and Graphics Trends" / scholar-inbox 带来了 10-27 到 28 的第一次台阶。
- 嵌进标准工具链(已确认):Sarlin 本人提的 COLMAP PR #4908 "Add FlexGlue feature matcher" 10-27 开,已合并;之后 #4914、#4915、#4916、#4949、#4957、#4969 是连续的性能和早停优化。FlexGlue 库里同时提供了 ONNX 导出(PR #5、#7、#15),也接进了同实验室的 cvg/vidmap(PR #57,11-04)。用 COLMAP 的人在官方文档和更新日志里就会看到它。
- 下游社区自发接入(已确认,但对 star 的作用不大):image-matching-webui 有 issue #171(10-27)要求接入,lnexenl/FlashIM 有 PR #16 做量化版(11-05),UniflexAI/tinynav 有 PR #260 用于建图和重定位(11-05),huggingface/transformers 有 issue #50389 请求收录(11-05)。中文机器人笔记库 ImChong/Robotics_Notebooks 11-06 也收录了。
- HN、TikTok、广告:都没找到。hackernews 库里没有相关帖;x-radar 本地库(核心圈子)里 30 天内也没有,说明它没有破圈到 AI 大号圈。
4. 为什么跑出来
- 招牌:作者是 SuperGlue(被引约 4.9k)和 LightGlue(4.9k 星)的原班人马,宣发帖的开头就是"喜欢 LightGlue 的话你会更喜欢这个"。这批用户已经认这个名字。
- 戳中了实际痛点:SfM 里最让人头疼的失败之一是重复立面、对称建筑造成的"错配对",会让整个重建塌掉。FlexGlue 训练时加了负样本对,能输出共视概率并提前停掉。LinkedIn 评论区的地理空间和遥感从业者问的都是这件事。
- 一个模型通吃:稀疏、稠密、单边查询、无关键点四种模式,对用户来说就是 LightGlue 的直接替代品,接口还兼容。
- 当天就能用:进了 COLMAP 主干、有 ONNX、有 Colab、MIT 许可,工程门槛很低,下游项目一周内就开始接。
- 时机:DINOv3 发布后,大家都在把基础模型特征往匹配里塞(OmniGlue、RoMa v2、LoMa)。FlexGlue 在这条线上同时追求"像稀疏一样快"和"像稠密一样准",还宣称刷到了帕累托前沿。
5. 差异化
它是第一个把非对称的稀疏到稠密匹配和整对级别的消歧(doppelganger 拒绝,带逐层早停)放进同一个网络、并直接进 COLMAP 的开源匹配器。这个差异在技术圈是真实的卖点,Pollefeys 用的词是 "uniquely suppresses matches between similar, but non-matching images"。
但 star 量主要不是差异化带来的,而是作者招牌加宣发节奏带来的。从数据看,10-29 到 11-03 这六天,论文和代码都已经公开,日增只有 0 到 4 星。等作者正式发帖、导师转发之后才一下涨起来。
6. 可见度与跟风
- 可见度:小圈子里在传。在 CV、三维重建圈里传得挺开,作者长帖 3.6 万次浏览,LinkedIn 725 个反应,还有日文转介。但 HN、科技媒体、AI 大号圈都没写。
- 跟风:无。只有普通 fork(比如 fringehush-gif/FlexGlue)和下游集成,没有人做"仿制品"。
7. 可借鉴
- 研究型开源的打法:先挂 arXiv 和代码,让聚合号带一小波;等工具链集成做好(COLMAP、ONNX、Colab),第一作者再发长帖,导师和合著者分两天接力引用转发,把 star 峰值拉在一起。
- 开头就拿旧作打招牌("If you liked LightGlue…"),把旧项目的用户当成迁移来源。
- 不要只发论文,要直接并进行业标准工具的主干,这是对采用量最有用的杠杆。
- 选一个"别人都没处理的失败场景"(负样本对、错配)当记忆点,主标题就写成问句 "To match or not to match?"。
8. 不确定的
- stargazer 的逐小时明细没拿到(GitHub API 共享额度超限),11-04 到 06 这三天各个帖子分别贡献了多少没法精确拆。
- 论文发表在哪个会议、正式基准上的优势有多大,没有逐项核实;"beats RoMa & LoMa" 是作者方的说法。
- 实际采用量(COLMAP 里有多少人切到 FlexGlue)无从统计。
- 第一作者 Lindenberger 现在的单位(微软还是 ETH)没核实。
出处:GitHub README 与 API(cvg/FlexGlue)、arXiv 2610.32976、x-radar x live(11-06)、LinkedIn 帖(Philipp Lindenberger)、Bluesky si-cv-graphics、GitHub 搜索(colmap/colmap #4908 等、huggingface/transformers #50389、cvg/vidmap #57)、github 库 repo_profile / repo_day、hackernews 库。