一种面向运动恢复结构的统一视图图选择框架
计算机视觉与模式识别
2017-12-05 v2
摘要
视图图是大规模运动恢复结构（SfM）流程的关键输入。大规模SfM的精度和效率关键取决于输入的视图图。不一致或不准确的边可能导致较差或错误的重建。大多数SfM方法使用若干固定的启发式准则移除“不良”图像和像对，并提出定制化方案以实现特定的重建目标，如效率、精度或消歧。与这些分散的解决方案不同，我们提出一个统一的优化框架，通过任务特定的代价建模即可实现这些不同的重建目标。我们还为其近似解构建了一种基于网络流的非常高效的公式化表述。这一选择机制带来的抽象将特定于数据集和重建目标的挑战与标准SfM流程分离，并提高了其泛化性。本文展示了所提出的视图图框架与标准SfM流程在两个特定用例中的应用：（i）使用基于消歧先验的代价，对高度歧义数据集进行精确且无鬼影的重建；（ii）使用基于常用先验的代价，对大规模互联网数据集进行精确且高效的重建。
引用
@article{arxiv.1708.01125,
title = {A Unified View-Graph Selection Framework for Structure from Motion},
author = {Rajvi Shah and Visesh Chari and P J Narayanan},
journal= {arXiv preprint arXiv:1708.01125},
year = {2017}
}
备注
Submitted to CVPR 2018