高效极小解算器的巧妙排除策略
该研究提出了一种基于 RANSAC 框架求解几何优化问题的方法,通过设计一种学习策略,可以避免计算大量伪解,从而有效地解决了几何优化问题的难点。通过在相对位姿问题中使用该方法,在每个视图中使用四个点进行最小松弛,可以快速精确地计算出相机之间的相对位置。
Dec, 2021
该论文提出了一种新的算法,用于检查给定的 Laurent 多项式是否足以构建消元模板,并基于此算法提出了一种自动生成 Laurent 多项式方程组求解器的方法,该发生器适用于具有正维度组件的理想,适用于几何计算视觉等多个领域,且速度快且数字精度高。
Jul, 2023
本文提出了一种基于稀疏 resultant 方法的奇异值问题转化方法,可以显著提高计算机视觉问题中多项式方程组求解方法的效率和稳定性。实验证明,该方法准确性与 Gröbner 基求解器相当,有些问题甚至可以得到更小和更稳定的求解器。
Dec, 2019
该研究论文提出了一种基于动作矩阵方法和单项式基础选择的多项式求解器,可用于计算机视觉应用中的几何估计,特别是运行在 RANSAC 框架下时更为强大。
Mar, 2018
该论文提出了从场景平面引出的五个二维 - 二维图像点对应所能获得的对于半广义单应性的第一种最小解决方案。其中一个解决器假设透视相机完全校准,而另一个解决器则估计未知的焦距和绝对姿态参数。
Mar, 2021
介绍了一种新的最小问题家族,以解决多视图的重建问题,并提出了一种创新的自标定方法,通过对图像点、三维点的未知深度和部分指定的标定矩阵 K 的约束来解决问题。通过实验表明,与现有方法相比,我们的方法在准确性上取得了卓越的成果。
May, 2024
本文提出一种有效的算法来解决图像恢复应用中的约束问题,包括去卷积和从压缩观测中重建图像,使用总变差或小波(或更一般的框架)正则化。该算法属于增广 Lagrange 方法的范畴,并表现出在一定条件下具有收敛性。本文的结果表明,所提出的算法在图像恢复领域中具有最先进的技术水平。
Dec, 2009
经过过去十年的发展,Gröbner 基础理论和自动生成求解器已经产生了大量解决几何视觉问题的解决方案。此论文首先展示了不同的变量或单项式排列可以导致不同的消除模板,从而在问题的某个实例中可能导致较大的准确性变化。然后证明了原始系数集中包含足够的信息来训练用于在线选择好的求解器的分类器,尤其只需很小的计算开销。通过通用的密集多项式问题求解器以及具体的几何视觉求解器,我们展示了其广泛适用性。
Jan, 2024
本文研究了使用变量消除技术来解决寻找静物的问题,并说明了将其作为独立算法、与搜索交替使用以及作为较低界限的信息源等多种替代方法,并通过实验证明了这些技术在理论和实践中都是最好的选择,能够解决 n=20 实例,超出了其他替代方法的能力。
Sep, 2011