CONSAC：基于条件样本共识的鲁棒多模型拟合
计算机视觉与模式识别
2020-03-26 v3
摘要
我们提出了一种鲁棒估计器，用于将多个同形式参数模型拟合到含噪测量中。应用包括在人造场景中寻找多个消失点、对建筑图像拟合平面，或估计同一序列中的多个刚体运动。与以往采用手工设计的多模型检测搜索策略的工作不同，我们从数据中学习搜索策略。一个以先前检测到的模型为条件的神经网络引导 RANSAC 估计器走向全部测量的不同子集，从而逐个发现模型实例。我们以有监督以及自监督方式训练我们的方法。对于有监督的搜索策略训练，我们贡献了一个用于消失点估计的新数据集。借助该数据集，所提算法相对于其他鲁棒估计器以及专门的消失点估计算法均具优势。对于自监督的搜索学习，我们在多单应矩阵估计上评估了所提算法，并展示了优于最先进方法的精度。
引用
@article{arxiv.2001.02643,
title = {CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus},
author = {Florian Kluger and Eric Brachmann and Hanno Ackermann and Carsten Rother and Michael Ying Yang and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2001.02643},
year = {2020}
}
备注
CVPR 2020