基于单调布尔函数影响的共识最大化
计算机视觉与模式识别
2021-03-09 v1 人工智能
摘要
共识最大化（MaxCon）在计算机视觉中广泛用于鲁棒拟合，旨在找到在某一容差水平内拟合模型的最大数据子集。在本文中，我们概述了 MaxCon 问题与在布尔立方体上定义的单调布尔函数（MBF）寻找最大上零点的抽象问题之间的联系。然后，我们将（MBF 中的）影响概念与（MaxCon 中的）离群点概念联系起来，并表明在某些条件下，属于数据中最大结构的点的影响通常较小。基于这一观察，我们提出了一种迭代算法来执行共识最大化。合成与真实视觉数据实验的结果表明，基于 MBF 的算法能够相对快速地生成近似最优解。这在观测数据中存在大量（严重或伪）离群点时尤为重要。
引用
@article{arxiv.2103.04200,
title = {Consensus Maximisation Using Influences of Monotone Boolean Functions},
author = {Ruwan Tennakoon and David Suter and Erchuan Zhang and Tat-Jun Chin and Alireza Bab-Hadiashar},
journal= {arXiv preprint arXiv:2103.04200},
year = {2021}
}
备注
To appear in CVPR 2021 as an ORAL paper. arXiv admin note: text overlap with arXiv:2005.05490