学习求解困难极小问题
计算机视觉与模式识别
2021-12-08 v1
摘要
我们提出一种在 RANSAC 框架中求解困难几何优化问题的方法。这些困难极小问题源于将原始几何优化问题松弛为一个具有许多伪解的极小问题。我们的方法避免了计算大量伪解。我们设计了一种学习策略，用于选择可作为数值延拓起点的问题-解对，以连续过渡到感兴趣的问题及其解。我们通过开发一个 RANSAC 求解器来演示我们的方法，该求解器用于计算三个已标定相机的相对位姿，通过对每视图四个点的最小化松弛实现。平均而言，我们可在 70 μs 内求解单个问题。我们还在非常熟悉的计算两个已标定相机相对位姿的问题上（通过两视图五点极小情形）对工程选择进行了基准测试与研究。
引用
@article{arxiv.2112.03424,
title = {Learning to Solve Hard Minimal Problems},
author = {Petr Hruby and Timothy Duff and Anton Leykin and Tomas Pajdla},
journal= {arXiv preprint arXiv:2112.03424},
year = {2021}
}
备注
24 pages total: 14 pages main paper and 10 pages supplementary