CVPRJan, 2020

基于条件采样共识的多模型健壮拟合

PDF
TL;DR本文提出了一种强大的估计器，可用于拟合相同形式的多个参数模型以测量噪声。该方法基于数据学习搜索策略，利用先前检测到的模型进行神经网络传递学习，并指导 RANSAC 估计器以不同的子集找到模型实例。作者为消失点估计贡献了新数据集，该方法在消失点估计方面表现优异，并在多透视图下表现出优越性能。
robust estimatormultiple parametric modelsneural networkransac estimatorvanishing point estimation
发现论文，激发创造
  • PARSAC: 并行样本一致性加速健壮的多模型拟合

    我们提出了一种实时方法，用于从嘈杂数据中稳健地估计多个几何模型实例。

    Jan, 2024

  • 应用专家样本一致性算法进行相机重定位

    利用神经网络估算 2D 图像与已知 3D 环境之间的对应关系，并使用 Robust Estimator 来拟合 6D 相机姿态，同时采用 MoE 和 ESAC 策略提高对数据中异常点和问题域的鲁棒性。

    Aug, 2019

  • 神经引导的 RANSAC: 学习在哪里采样模型假设

    Neural-Guided RANSAC is an improved version of the RANSAC algorithm that is capable of using prior information to optimize an arbitrary task loss during training, achieving superior results compared to state-of-the-art robust estimators in computer vision tasks such as estimation of epipolar geometry, horizon line estimation and camera re-localization.

    May, 2019

  • 共识自适应 RANSAC

    通过引入注意机制和一步变压器，我们提出了一种新的 RANSAC 框架，其学习通过考虑迄今为止观察到的残差来探索参数空间，并在实验中表现出了显著的性能提升和良好的泛化性能。

    Jul, 2023

  • 非刚性形状的无模型一致性最大化

    本论文通过使用基于整数规划的图形中的测量规则对无模型分析的一致性极大化进行了阐述，并提供了一种用于消除离群值三维对应并实现优于现有技术水平的性能的方法，包括对三维模板进行图像匹配的类似公式的导出。

    Jul, 2018

  • BANSAC: 自适应样本共识的动态贝叶斯网络

    该研究提出了一种适用于 RANSAC 的自适应采样方法，利用动态贝叶斯网络来更新数据点的内点得分，并采用加权采样和新的停止准则来提高算法的计算效率和准确性。

    Sep, 2023

  • RANRAC：基于随机射线共识的稳健神经场景表示

    RANRAC 是一个稳健的重建算法，用于处理被遮挡和分散的图像中的 3D 物体，支持光场网络的单拍重建，并适用于基于神经辐射场的真实世界图像的真实、稳健的多视角重建。

    Dec, 2023

  • 潜在的 RANSAC

    提出了一种能以恒定时间（与数据大小无关）评估 RANSAC 假设的方法，通过 Random Grids 的寻找相似假设对的方式，大大提高了 RANSAC 流程的效率且不影响准确性，成功应用于相机定位、3D 刚体对齐和 2D 透视矩阵估计等问题。

    Feb, 2018

  • 邻域共识网络

    本研究介绍了一种基于卷积神经网络的密集对应关系匹配方法，使用邻域一致性匹配模式在两幅图像所有可能的对应关系的 4D 空间中鉴别一组具有空间一致性的对应关系。该方法不需要全局几何模型，只需要弱监督的成对图像匹配信息进行训练。最后，该方法在类别匹配和实例级匹配任务中均取得了最优结果。

    Oct, 2018

  • 确定性几何模型拟合的潜在语义一致性

    该论文提出了一种名为潜在语义共识（LSC）的有效方法，用于从存在严重离群值的数据中提取可靠的几何模型参数，并实现了高精度和高效的模型拟合。

    Mar, 2024