AdaLAM：重新审视手工设计的异常值检测
计算机视觉与模式识别
2020-06-09 v1
摘要
局部特征匹配是许多计算机视觉流程的关键组成部分，包括运动恢复结构（SfM）、SLAM和视觉定位等。然而，由于描述子的局限性，原始匹配通常被大多数异常值污染。因此，异常值检测是计算机视觉中的一个基本问题，过去几十年提出了各种各样的方法。在本文中，我们重新审视了手工设计的异常值过滤方法。基于最佳实践，我们提出了一种用于有效异常值检测的分层流程，并整合了新颖的想法，最终形成了AdaLAM——一种高效且有竞争力的异常值剔除方法。AdaLAM旨在有效利用现代并行硬件，从而产生一个非常快速且非常准确的异常值过滤器。我们在多个大型多样化数据集上验证了AdaLAM，并提交到图像匹配挑战赛（CVPR2020），使用简单的基线描述子获得了有竞争力的结果。我们表明，AdaLAM在效率和有效性方面都优于当前最先进的方法。
引用
@article{arxiv.2006.04250,
title = {AdaLAM: Revisiting Handcrafted Outlier Detection},
author = {Luca Cavalli and Viktor Larsson and Martin Ralf Oswald and Torsten Sattler and Marc Pollefeys},
journal= {arXiv preprint arXiv:2006.04250},
year = {2020}
}