本论文介绍了一种新颖的质量感知模板匹配方法，QATM，它不仅可以作为独立的模板匹配算法使用，而且还可以作为可轻松嵌入任何深度神经网络的可训练层。具体而言，通过对所有匹配对进行软排名来评估匹配对的质量，因此不同的匹配情况，例如 1 对 1，1 对多和多对多将反映为不同的值。作者的评估表明，QATM 在传统模板匹配基准和深度学习任务上的效果都很好，不仅在单独使用时优于现有的模板匹配方法，而且还大大改善了现有的深度神经网络解决方案。

Mar, 2019

本文提出了一种基于优化的框架来进行多目标匹配，并将输入分成重叠子集并在每个子集中强制实现地图一致性，从而实现分布式制定。实验结果表明，该框架在合成和真实世界数据集上与最先进的多目标匹配技术相比具有竞争力。

Nov, 2016

本文提出了一种新的部分硬阈值算子用于压缩感知问题，并通过该算子构建了一组新的迭代算法，其中 Orthogonal Matching Pursuit with Replacement (OMPR) 表现最佳。通过将局部敏感哈希技术与 OMPR 算法相结合，本文提出了第一个被证明具有亚线性（在维度上）性能的稀疏恢复算法。实验结果表明，相比现有方法，本文方法在大规模问题上更为快捷和鲁棒。

Jun, 2011

本文针对在计算机视觉中的鲁棒拟合策略 —— 全局最大值求解的问题，提出了两种新的加速策略：避免冗余路径的加速策略和对新的枝剪枝策略。实验证明，这两种新技术可以极大地加速 A * 树搜索，使其在过去几乎无法实现的一些输入上具有合理的效率。

Aug, 2019

本文介绍了一种 Higher-Order Projected Power Iteration 方法来解决多目标匹配问题，能够在不限制问题规模的情况下处理几何一致性，并保证环一致性，实验结果表明该方法优于现有方法。

Nov, 2018

本篇论文提出了一种名为残差比阈值法（Residual Ratio Thresholding，RRT）的新技术，可以在没有关于疏密性和噪声统计的任何先验知识情况下运行正交匹配追踪（Orthogonal Matching Pursuit，OMP），并为其建立有限样本和大样本支持恢复保证。分析结果和实数及虚数数据集的数值模拟表明，RRT 的性能与具有先验知识的 OMP 相当。

Jun, 2018

本文提出了一种新的技术，通过使用高效的区间刺穿技术，在每个 Bound 计算中全局最优地解决剩下一个自由度，从而在三个基本几何计算机视觉问题中（相机定位、相对相机姿态估计和点集配准），将异议最大化算法的速度提高了两个数量级。

Apr, 2023

提出了一种通过在原始模板中隐藏子模板并使用足够多的冗余点来保护生物特征模板信息的混淆方法，并使用生成对抗网络（GAN）生成的合成面部图像作为安全保险库授权系统中的随机冗余点，该方法在测试中表现良好且不会对准确性产生不利影响。

Apr, 2024

提出了一种基于 Fréchet 平均的方法，用于从多个二进制或概率掩模中提取一致的分割，从而完全独立于图像背景大小，并生成与 STAPLE 方法和朴素分割平均方法不同的二进制一致掩模和后验概率。

Sep, 2023

本文提出一种名为 GOAT 的修正版算法，它使用最优输运的方法替代了线性分配算法，以加快计算和提高准确性，用于解决图匹配问题。

Nov, 2021