用于对应点剪枝的可学习运动相干性

运动相干性是区分真实对应点与虚假对应点的重要线索。由于稀疏假设对应点的稀疏性和分布不均匀性，对其建模运动相干性具有挑战性。现有的运动相干性工作对参数设置敏感，且难以处理复杂运动模式。本文引入一种称为拉普拉斯运动相干网络（LMCNet）的网络来学习运动相干性以进行对应点剪枝。我们提出了一种用对应点图上的平滑函数拟合相干运动的新公式，并表明该公式可通过图拉普拉斯算子获得闭式解。该闭式解使我们能够在学习框架中设计可微分层，以从假设对应点中捕获全局运动相干性。全局运动相干性进一步与另一局部层提取的局部相干性相结合，以鲁棒地检测内点对应点。实验表明，LMCNet在相对相机位姿估计和动态场景对应点剪枝方面优于当前最优方法。