图 7: 30个静态转角的数据集。我们在30个静态转角的数据集中的真实转角位置的边沿，对每一序列的样帧进行了展示。这些序列来自四个不同的种类：棋盘格、分离的转角、立方体、以及正方形。

表 2：静态转角结果。30个真实数据序列的平均准确率（mAP，越高越好），平均定位误差（MLE，越低越好）和重复率（R，越高越好）。

MagicWarp 网络的部分评测结果：

表 3：匹配算法的 90% 击穿点实验。这张表格比较了 MagicWarp 和最近邻（Nearest Neighbor）匹配方法的匹配能力。

图 8：工作中的 MagicWarp。四种转换类型的 MagicWarp 实例在表 3 中有所总结。最左边的一列展示了覆盖在一个单一图像上的点态图像输入对（point image input pair）。最右边的一列展示了应用在灰色点集上的 MagicWarp 原始预测单应矩阵。中间的一行展示的是原始预测单应矩阵应用最近邻方法所得到的 MagicWarp 结果，对正确的点的箭头进行捕捉。

图 9：工作中的 MagicPoint。这张图展示了MagicPointS 与传统转角检测基准的 15个实例结果。我们对每一张图都展示了 MagicPointS 输出，输出概率热图，覆盖对数（概率）热图（使低概率提高），还有 FAST、Harris，和 Shi 的相应情况。最顶行的一些实例是来自没有噪声的30个静态转角。中间的实例也来自没有噪声的30个静态转角。最底层的实例来自没有噪声的合成图形。注意，我们的方法能够处理大量的噪声，并且能生成富有意义的热图，可以用一种特定应用的方式来开启。