子空间约束的Tyler估计器及其在运动恢复结构中的应用
计算机视觉与模式识别
2024-05-09 v2
摘要
我们提出子空间约束的Tyler估计器（STE），用于恢复可能被异常值高度污染的数据集中的低维子空间。STE是Tyler M估计器（TME）和快速中位数子空间变体的融合。我们的理论分析表明，在常见的内点-异常值模型下，STE可以有效地恢复潜在子空间，即使其内点比例相对于鲁棒子空间恢复领域的其他方法更小。我们将STE应用于运动恢复结构（SfM）的两个方面：用于基础矩阵的鲁棒估计和去除异常相机，增强SfM管道的鲁棒性。数值实验证实了我们的方法在这些应用中的最先进性能。这项研究对鲁棒子空间恢复领域做出了重要贡献，特别是在计算机视觉和3D重建的背景下。
引用
@article{arxiv.2404.11590,
title = {A Subspace-Constrained Tyler's Estimator and its Applications to Structure from Motion},
author = {Feng Yu and Teng Zhang and Gilad Lerman},
journal= {arXiv preprint arXiv:2404.11590},
year = {2024}
}
备注
23 pages, accepted by CVPR 24