GraphMatch：面向运动恢复结构的高效大规模图构建
计算机视觉与模式识别
2017-10-05 v1
摘要
我们提出 GraphMatch，一种为大规模运动恢复结构 (SfM) 流水线构建匹配图的近似而高效的方法。现代 SfM 流水线通常使用词汇树快速构建匹配图，以避免代价高昂的匹配图像对暴力搜索，而 GraphMatch 不需要昂贵的离线预处理阶段来构建词汇树。相反，GraphMatch 利用两个先验来预测哪些图像对可能匹配，从而使 SfM 的匹配过程更加高效。第一个先验是根据任意两幅图像的 Fisher 向量之间的距离计算出的分数。第二个先验基于底层匹配图中顶点间的图距离。GraphMatch 将这两个先验结合到一个类似于 PatchMatch 算法的迭代“采样与传播”方案中。其采样阶段使用 Fisher 相似性先验来引导匹配图像对的搜索，而传播阶段则探索已匹配对的邻居，以找到具有高图像相似性分数的新匹配对。我们的实验表明，与竞争的近似方法相比，GraphMatch 能找到最多的图像对，同时效率最高。
引用
@article{arxiv.1710.01602,
title = {GraphMatch: Efficient Large-Scale Graph Construction for Structure from Motion},
author = {Qiaodong Cui and Victor Fragoso and Chris Sweeney and Pradeep Sen},
journal= {arXiv preprint arXiv:1710.01602},
year = {2017}
}
备注
Published at IEEE 3DV 2017