ECCVAug, 2020

Shonan 旋转平均化：通过在 $SO (p)^n$ 上搜索实现全局最优

PDF
TL;DRShonan Rotation Averaging 是一种快速、简单和优雅的旋转平均算法，利用半定松弛来解决旋转平均问题实现全局最优解，可以解决大规模实例，并保持当前 SFM 方法的速度和可扩展性。
shonan rotation averagingrotation averaging algorithmsemidefinite relaxationglobal optimal solutionsmanifold minimization
发现论文，激发创造
  • 混合旋转均值：一种快速且鲁棒的旋转均值方法

    本文提出一种采用局部和全局旋转平均法的混合方法，结合快速的视图图滤波预处理，解决 3D 重建中的精度和准确性问题，并将此方法应用于增量式运动结构，从而将此方法的实用性提高到很高的程度，实验表明，此方法可以有效地纠正糟糕的相机姿态和减小漂移。

    Jan, 2021

  • 分秒之间的旋转平均值：一种基于原始对偶方法和闭合形式的循环图算法

    本文从最大似然估计的角度出发，提出了一种新的无需初始化的原始 - 对偶方法来解决旋转平均问题，同时，在循环图中得出了旋转平均的第一个闭合解，这一方法在精度和性能方面都有了显著的提升。

    Sep, 2021

  • 多不可约谱同步用于稳健旋转平均

    使用谐波分析和谱松弛方法解决旋转平均问题，通过与测量图属性相关的性能保证，指导传感器布置、网络压缩和主动感知等任务。

    Nov, 2023

  • 鲁棒同步的精确稳定旋转恢复

    该研究提出了一种基于特殊正交群上的同步问题，该问题包括从它们成对比率的噪声测量中估计一组未知的旋转。它的最小二乘解可以通过谱松弛或半定规划来近似，其具有类似于 Max-Cut 的近似算法。该研究通过提出偏差平方和的罚函数来弱化其次方项，并引出了一种求解该问题的凸优化方法，同时在特定噪声模型下，证明了其稳定性并得到了相位转变行为的模拟结果。

    Nov, 2012

  • 循环图中的旋转平均：基于原始 - 对偶方法和闭合形式

    通过最大似然估计的方法，本文针对旋转平均问题提出了一种新的原始 - 对偶方法，以解决在计算机视觉和摄像机网络标定中使用的非凸高维优化问题，并在多个情境中对该方法进行了基准测试，通过对偶理论验证了解决方案的有效性和性能提升。

    May, 2024

  • 稳健的单次旋转平均重新审视

    基于最小化截断的欧氏距离的平均旋转方法，具有较强的抗干扰性能，优于当前领先的方法。

    Sep, 2023

  • 重新审视旋转平均：不确定性与鲁棒损失

    本论文提出一种改进的旋转平均方法，通过直接将不确定性从点对应中传播到旋转平均中来模拟基础噪声分布，同时探索了将 MAGSAC 损失整合到旋转平均问题中的可能性，较之传统的健壮损失方法在大规模公共基准测试中的精度更高。

    Mar, 2023

  • 通过最优输运在旋转上同步概率度量

    提出一种新的度量同步的方法 —— 度量同步，将这个问题视为优化概率旋转测度的循环一致性，从而达到通过同步条件概率测度来估计绝对方向边际分布的目的，在计算机视觉应用中得到了有力的应用，提出了非参数黎曼粒子优化方法来解决问题。

    Apr, 2020

  • 围绕内在度量旋转平均值的最小值分布

    本文研究的问题是通过相机拍摄的三维场景图像确定相机方向的非凸优化问题，主要关注旋转平均的空间分布和局部极小值以及使用代数连通性作为问题难度的指标。

    Mar, 2020

  • NeuRoRA：神经鲁棒旋转平均

    该研究提出了一种基于神经网络的方法，将传统图像定位模型的迭代优化方法替换为两个网络之间的组合，该组合由视图图形清理网络和微调网络组成。

    Dec, 2019