FastMAC：对应图的随机谱采样
计算机视觉与模式识别
2024-03-14 v1 人工智能
机器人学
摘要
3D 对应，即一对 3D 点，是计算机视觉中的一个基本概念。一组 3D 对应在配备兼容性边时，形成了一个对应图。该图是基于极大团（MAC）等若干 SOTA 3D 点云配准方法的关键组件。然而，其特性尚未得到充分理解。因此，我们提出了将图信号处理引入对应图领域的首项研究。我们利用对应图上的广义度信号，并寻求保留该信号高频分量的采样策略。为了解决确定性采样中耗时的奇异值分解问题，我们采用了一种随机近似采样策略。如此一来，我们方法的核心便是对应图的随机谱采样。作为一项应用，我们构建了一个完整的 3D 配准算法，称为 FastMAC，该算法达到了实时速度，同时几乎没有性能下降。通过大量实验，我们验证了 FastMAC 适用于室内和室外基准。例如，FastMAC 可以在 KITTI 上保持高配准成功率的同时，将 MAC 加速 80 倍。代码公开于 https://github.com/Forrest-110/FastMAC。
引用
@article{arxiv.2403.08770,
title = {FastMAC: Stochastic Spectral Sampling of Correspondence Graph},
author = {Yifei Zhang and Hao Zhao and Hongyang Li and Siheng Chen},
journal= {arXiv preprint arXiv:2403.08770},
year = {2024}
}
备注
CVPR 2024, Code: https://github.com/Forrest-110/FastMAC