arXiv:2507.22791v2 Announce Type: replace 
Abstract: Feature matching is a cornerstone task in computer vision, essential for applications such as image retrieval, stereo matching, 3D reconstruction, and SLAM. This survey comprehensively reviews modality-based feature matching, exploring traditional handcrafted methods and emphasizing contemporary deep learning approaches across various modalities, including RGB images, depth images, 3D point clouds, LiDAR scans, medical images, and vision-language interactions. Traditional methods, leveraging detectors like Harris corners and descriptors such as SIFT and ORB, demonstrate robustness under moderate intra-modality variations but struggle with significant modality gaps. Contemporary deep learning-based methods, exemplified by detector-free strategies like CNN-based SuperPoint and transformer-based LoFTR, substantially improve robustness and adaptability across modalities. We highlight modality-aware advancements, such as geometric and depth-specific descriptors for depth images, sparse and dense learning methods for 3D point clouds, attention-enhanced neural networks for LiDAR scans, and specialized solutions like the MIND descriptor for complex medical image matching. Cross-modal applications, particularly in medical image registration and vision-language tasks, underscore the evolution of feature matching to handle increasingly diverse data interactions.

تم نشر مسح شامل حول مطابقة الميزات الواعية بالوضع في التطبيقات البصرية وتطبيقات اللغة البصرية، مما يبرز أهمية مطابقة الميزات في مهام رؤية الكمبيوتر مثل استرجاع الصور وإعادة البناء ثلاثي الأبعاد. يستعرض المسح كل من الأساليب التقليدية اليدوية والأساليب الحديثة القائمة على التعلم العميق، مع التركيز على فعاليتها عبر عدة أوضاع، بما في ذلك صور RGB ومسحات LiDAR.

Se ha publicado una encuesta completa sobre el emparejamiento de características consciente de la modalidad en aplicaciones visuales y de lenguaje-visual, destacando la importancia del emparejamiento de características en tareas de visión por computadora como la recuperación de imágenes y la reconstrucción 3D. La encuesta revisa tanto los métodos tradicionales hechos a mano como los enfoques modernos de aprendizaje profundo, enfatizando su efectividad a través de varias modalidades, incluidas imágenes RGB y escaneos LiDAR.

Une enquête complète sur l'appariement de caractéristiques conscient des modalités dans les applications visuelles et de vision-langage a été publiée, soulignant l'importance de l'appariement de caractéristiques dans des tâches de vision par ordinateur telles que la récupération d'images et la reconstruction 3D. L'enquête passe en revue à la fois les méthodes traditionnelles artisanales et les approches modernes d'apprentissage profond, en mettant l'accent sur leur efficacité à travers diverses modalités, y compris les images RGB et les scans LiDAR.

A comprehensive survey on modality-aware feature matching in visual and vision-language applications has been published, highlighting the importance of feature matching in computer vision tasks such as image retrieval and 3D reconstruction. The survey reviews both traditional handcrafted methods and modern deep learning approaches, emphasizing their effectiveness across various modalities including RGB images and LiDAR scans.