Scifaro

中文

基于深度强化学习的几何多模型拟合

计算机视觉与模式识别 2018-12-31 v2 机器学习

作者: Zongliang Zhang , Hongbin Zeng , Jonathan Li , Yiping Chen , Chenhui Yang , Cheng Wang

在 arXiv 上查看 ↗ PDF ↗

摘要

本文研究从含噪、非结构化点集数据（如激光扫描点云）中进行几何多模型拟合。我们将多模型拟合问题表述为序贯决策过程，随后使用深度强化学习算法学习朝向最佳拟合结果的最优决策。本文在模拟数据上将所提方法与当前最优（SOTA）方法进行了比较。结果表明，我们的方法显著减少了拟合迭代次数。

关键词

几何多模型拟合深度强化学习点云序贯决策含噪数据

引用

@article{arxiv.1809.08397,
  title  = {Geometric Multi-Model Fitting by Deep Reinforcement Learning},
  author = {Zongliang Zhang and Hongbin Zeng and Jonathan Li and Yiping Chen and Chenhui Yang and Cheng Wang},
  journal= {arXiv preprint arXiv:1809.08397},
  year   = {2018}
}