問題設定がまず新しい。アプローチの全体像としては、Depth推定を行ったあとにカメラの固有パラメータを使い3次元空間に投影し各画素で表面法線を計算する。法線は３つの直交する方向にクラスタ化→各クラスタでホモグラフィ変換され透視投影の歪みを解消。その後に一般的な特徴抽出器で画像特徴量を抽出して、元の画像に戻す。

独自にデータセットを作り、視点が大きく変化した場合の特徴量マッチングの性能評価を行い、マッチング性能の向上を確認。性能的なボトルネックは当然単眼Depth推定で、推定が間違うとよろしくない。Depth推定の信頼度はカメラからシーンの距離に応じて2次的に減少するので、遠いほど信頼性が落ちる。

非常にシンプルな考えだが幅広く応用可能。