张量投票的闭式解：理论与应用
计算机视觉与模式识别
2016-01-21 v2
摘要
我们证明了张量投票的闭式解（CFTV）：给定任意维度的点集，我们的闭式解提供了一种精确、连续且高效的算法，用于计算结构感知张量，该张量同时实现了显著结构检测与离群点衰减。利用 CFTV，我们证明了张量投票在马尔可夫随机场（MRF）上的收敛性，因此称为 MRFTV，其中在结构传播收敛时，每个输入位置处的结构感知张量达到稳态。然后，我们将结构感知张量嵌入期望最大化（EM）中，以优化单一线性结构，从而实现高效且鲁棒的参数估计。具体而言，我们的 EMTV 算法同时优化张量和拟合参数，并且不需要现有鲁棒统计技术中常用的随机抽样一致性。我们对其准确性和鲁棒性进行了定量评估，结果表明，在多视图立体重匹配的基本矩阵估计中，EMTV 的性能优于原始 TV 和其他 SOTA 技术。CFTV 和 EMTV 在提取多重和非线性结构方面的扩展正在进行中。此 arXiv 版本包含一个附录。
引用
@article{arxiv.1601.04888,
title = {A Closed-Form Solution to Tensor Voting: Theory and Applications},
author = {Tai-Pang Wu and Sai-Kit Yeung and Jiaya Jia and Chi-Keung Tang and Gerard Medioni},
journal= {arXiv preprint arXiv:1601.04888},
year = {2016}
}
备注
Addendum appended to the TPAMI paper