用于多参数模型估计的快速 L1-NMF
计算机视觉与模式识别
2016-11-14 v2 机器学习
摘要
在这项工作中，我们引入了一个用于多参数模型估计的综合算法流程。所提出的方法从机器学习/优化的角度分析了由随机采样算法（如 RANSAC）产生的信息，使用了一种基于 L1 非负矩阵分解（L1-NMF）的无参数双聚类算法。所提出的框架利用了在 RANSAC 执行过程中自然产生的一致模式，同时明确避免了虚假的不一致性。与文献中的主要趋势相反，所提出的技术不强加互不相交的参数模型。一种新的计算 L1-NMF 的加速算法能够更快地处理中等规模问题，同时将该算法的可用性扩展到更大的数据集。除了本文所涉及的用于参数估计的双聚类方法外，这种加速算法还可应用于任何需要 L1-NMF 的其他场景。我们为算法介绍配备了理论基础以及大量多样化的示例。
引用
@article{arxiv.1610.05712,
title = {Fast L1-NMF for Multiple Parametric Model Estimation},
author = {Mariano Tepper and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1610.05712},
year = {2016}
}