Progressive-X：高效、 anytime、多模型拟合算法
计算机视觉与模式识别
2019-06-07 v1
摘要
提出用于几何多模型拟合的 Progressive-X 算法（简称 Prog-X）。该方法通过重复的假设提议、快速拒绝以及通过标注能量最小化将新假设整合进保留实例集，交错进行采样与当前数据解释的巩固。由于渐进式探索数据，与最先进方法相比该方法具有若干有益特性。首先，采用源自 RANSAC 的明确准则控制终止，当以合理数量内点发现新模型的概率低于阈值时停止算法。其次，Prog-X 是一种 anytime 算法。因此，无论何时被中断（例如由于时间限制），返回的实例都覆盖真实的且很可能是最主要的部分。该方法在合成实验以及公开可用的真实世界数据集（针对单应性、双视图运动与运动分割）上在精度方面均优于最先进方法。
引用
@article{arxiv.1906.02290,
title = {Progressive-X: Efficient, Anytime, Multi-Model Fitting Algorithm},
author = {Daniel Barath and Jiri Matas},
journal= {arXiv preprint arXiv:1906.02290},
year = {2019}
}