解耦几何参数化及其在深度全球矩阵估计中的应用
计算机视觉与模式识别
2025-05-26 v2
摘要
平面全球矩阵具有八个自由度 (DOFs)，是诸多计算机视觉任务中的基本问题。虽然广泛采用四个角点的位移偏移（尤其在神经网络预测中），但这种参数化缺乏几何可解释性，通常需要求解线性方程组才能计算全球矩阵矩阵。本文提出了一种新颖的全球矩阵几何参数化方法，利用相似-内核-相似 (SKS) 分解进行射影变换。将四个几何参数解耦为两个独立集合：一个用于相似变换，另一个用于内核变换。此外，推导了四个内核变换参数与角度偏移之间的线性关系。我们提出的参数化方法通过矩阵乘法实现直接的全球矩阵估计，无需求解线性方程组，在深度全球矩阵估计中达到了与四个角点位移偏移相当的性能。
引用
@article{arxiv.2505.16599,
title = {Decoupled Geometric Parameterization and its Application in Deep Homography Estimation},
author = {Yao Huang and Si-Yuan Cao and Yaqing Ding and Hao Yin and Shibin Xie and Shuting Wang and Zhijun Fang and Jiachun Wang and Shen Cai and Junchi Yan and Shuhan Shen},
journal= {arXiv preprint arXiv:2505.16599},
year = {2025}
}