本文提出了第一种通用且实用的框架，用于设计可证明的算法以应对大量离群值的情况下进行鲁棒几何感知，该算法使用截断最小二乘（TLS）代价函数，TLS 估计可以重新构制为多项式环上的优化，支持证明获得 TLS 问题的全局最小值，同时也可以使用斯内尔定理进行基础缩减，使用 SOS 松弛的双优化认证器，大大减小了 SDP 优化问题的复杂度，解决了当前 SDP 求解器无法解决的大规模问题。

Jun, 2020

本研究提出了一种可应用于任何非最小化求解器的鲁棒全局估计通用方法，该方法利用了鲁棒估计与异常值处理之间的 Black-Rangarajan 对偶并结合逐步非凸性与 SDP 解法求解，解决了常规稳健代价函数导致的非凸性问题；本方法应用于点云和网格登记，位姿图优化和基于图像的形状算法中，具有 70-80％异常值鲁棒性，并且比专门的局部求解器更准确和更快。

Sep, 2019

本文提出将最小二乘问题转化为凸性的半定规划问题，通过刚体变换及刚体理论来稳定恢复解，同时实验证明该方法在噪声较大时表现显著优于谱松弛法和流形优化方法。

Jun, 2013

该研究通过采用三维可变形形状模型，将三维形状重建问题转化为相机姿态和线性形状参数的联合优化，使用 Lasserre 的 SOS 松弛层次来解决问题，并通过添加一个异常值剔除层和使用新的 TLS robust 代价函数来解决 TLS 问题，研发出一个鲁棒的三维形状重建算法 Shape#，可以容忍 70% 的异常值，达到了最先进的性能。

Nov, 2019

通过解决凸松弛，可以证明神经网络对抗性示例的鲁棒性。最近，提出了一种基于半定编程松弛的较少保守的鲁棒性证明方法。本文提出一种几何技术，用于确定该 SDP 证书是否是精确的，并在单隐藏层下证明该证书的精确性，并验证其理论洞见。

Jun, 2020

提出了一个名为 TEASER 的算法，它使用 TLS 成本和图论框架来解决 3D 点集之间的快速且可靠的配准问题，能够在存在大量离群值的情况下有效地工作。该算法还提供了理论误差界限，并且在标准和 3DMatch 基准测试中都表现出跨越式的性能优势。

Jan, 2020

本文介绍一种解决几何估计中同步问题的算法，通过基于半定松弛的最大似然估计得出全局最优解，该算法可以在非对抗噪声情况下高效恢复可认证的全局最优解，并在大规模实例上使用低维黎曼曲面与特殊优化方案实现了优化问题的求解。

Nov, 2016

在大量异常值存在的情况下，我们提出了一种用于 3D 点集配准的健壮方法，其中第一个贡献是使用截断最小二乘（TLS）成本重新制定了配准问题，使得估计对大量虚假对应不敏感；第二个贡献是解耦旋转、平移和缩放估计的通用框架，允许按级联顺序解决三个转换。

Mar, 2019

本研究提出了一种灵活的凸松弛算法，用于解决相位恢复问题，该算法在信号的自然域中运行，通过简单的凸程序，通过对称 “平板” 所代表的不等式约束来对相位量测进行松弛，找到最佳与给定锚向量对齐的交点极值，通过几何条件来证明算法的成功，证明在最优样本复杂度下几何证书的成功概率高，数值实验表明该方法可以解决编码衍射测量下的相位恢复问题。

Oct, 2016

利用现有的数值计算代数几何理论中的多项式优化问题，提出了一种通用的非最小化求解器，并将其应用于三维视觉中的非最小问题和一致性最大化问题，结果显示这种方法的结果与现有的方法相比非常有竞争力并且容易实现。

Sep, 2019