Oct, 2023

$H$-RANSAC，一种基于无特征点集的单应性图像变换的算法变体：应用于基于视频的足球分析

PDF
TL;DR提出了一种在没有描述性局部特征向量和点配对的情况下，从点集中检索到图像的单应性变换的广义 RANSAC 算法 H-RANSAC，并在每次迭代之前基于随机点对选择的四边形类型（凸形或凹形以及（非）自相交）提出了一种鲁棒准则来拒绝不可信的点选择，并在每次迭代结束时包含了一个类似的事后准则来拒绝不可信的单应性变换，该方法在具有少数点，而且无法获得足够描述性局部特征的图像单应性对齐案例中表现出更好的性能。
homography matrixransac algorithmimage transformationsquadrilateralsimage homography alignment
发现论文，激发创造
  • 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

  • RANSAC-Flow：通用的两阶段图像对齐

    本文提出了一种简单的无监督方法来完成不同任务下两张图像之间的密集对齐问题，采用参数化和非参数化的两个阶段方法来实现初步和精细对齐，其中初步对齐使用了 RANSAC 和现成的深度特征，精细对齐使用了一种优化标准结构相似度度量的深度网络，并且已被应用于多个领域的数据集，包括 KITTI、Hpatches、YFCC100M、Aachen Day-Night 和 Brughel dataset。

    Apr, 2020

  • DSAC - 相机位姿不确定性可微分的 RANSAC 算法

    本文介绍了一种名为 DSAC 的新算法，它是 RANSAC 的可微分版本，并应用于深度学习与相机定位问题中，通过采用概率选择的做法， DSAC 克服了 RANSAC 在深度学习中无法使用的问题，在相机姿态输出方面显著提高了稳健性。

    Nov, 2016

  • 内容感知无监督深度单应矩阵估计

    提出了一种无监督深度视觉几何估计方法来提高图像配准的精度，通过学习异常值掩模以去除噪声和提取更可靠的样本进行估计，使用 RANSAC 机制进行可靠区域选择，并专注于学习深度特征来计算损失，同时不忽略在真实场景中处理视差和运动物体的重要性。

    Sep, 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

  • 在相机几何计算中实现仿射对应

    本文提出了一种有效使用区域匹配的指导方针，并结合对称强度匹配的局部特征几何形状精炼方法，将不确定性传递到 RANSAC 中，并适应样本手性检查来进行单应性估计；实验结果表明，按照本文提出的指导方针，仿射求解器可以在更快的运行时间内实现与基于点的求解器同样的准确性。

    Jul, 2020

  • 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

  • 基于条件采样共识的多模型健壮拟合

    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。

    Jan, 2020

  • 无监督深度单应性：一种快速而强大的单应性估计模型

    本研究提出一种无监督学习算法，利用深度卷积神经网络估算平面单应矩阵，相较于传统方法和监督式学习算法其具有更快的推理速度、更好的光照变化适应性和优于同类方法的性能表现。

    Sep, 2017

  • 基于姿态纯图像几何的线性相对姿态估计

    在两视相对估计中，本文介绍了一种基于最近的仅位姿成像几何来通过适当的重新加权过滤异常值的线性相对姿态估计算法，该算法能够处理平面退化场景，在存在高比例异常值的情况下提高鲁棒性和准确性，通过将线性全局平移约束嵌入迭代重新加权最小二乘 (IRLS) 和 RANSAC 的策略中来实现鲁棒异常值去除，Strecha 数据集的仿真和实际测试表明，该算法在面对高达 80% 的异常值时实现了 2 到 10 倍的相对旋转准确性改进。

    Jan, 2024