通过双重主成分追踪提升 RANSAC 性能
计算机视觉与模式识别
2021-10-07 v1
摘要
本文中，我们重新审视 RANSAC 中的局部优化问题。一旦找到迄今最佳模型，我们便通过双重主成分追踪（DPCP）对其进行精炼；DPCP 是一种具有坚实理论支撑与高效算法的鲁棒子空间学习方法。所提出的 DPCP-RANSAC 相比现有方法参数更少且可扩展。基于大规模数据集估计两视图单应矩阵、基础矩阵与本质矩阵以及三视图单应张量的实验表明，我们的方法在精度上持续优于最先进的替代方案。
引用
@article{arxiv.2110.02918,
title = {Boosting RANSAC via Dual Principal Component Pursuit},
author = {Yunchen Yang and Xinyue Zhang and Tianjiao Ding and Daniel P. Robinson and Rene Vidal and Manolis C. Tsakiris},
journal= {arXiv preprint arXiv:2110.02918},
year = {2021}
}