QuadSync:基于 Tucker 分解的四焦点张量同步
计算机视觉与模式识别
2026-04-21 v2 数值分析
数值分析
最优化与控制
摘要
在结构从运动中,四焦点张量相较于其两两对应的矩阵(必需矩阵)捕获了更多信息,然而它们往往被认为是不实用且仅具有理论意义。本文中,我们挑战了这种观点,通过提供一个新框架来恢复个相机对应的四焦点张量集合。我们构建了块状四焦点张量,证明其可分解为Tucker分解,其因子矩阵为堆叠的相机矩阵,从而具有独立于的多线性秩。我们开发了首个针对四焦点张量的同步算法,运用Tucker分解、交替方向乘子法和迭代加权最小二乘法。我们进一步建立了块状四焦点、三焦点和双焦点张量之间的关系,并引入了一个联合同步这三类实体的算法。数值实验表明,我们的方法在现代数据集上有效,表明了在同步中利用高阶信息的潜力与重要性。
引用
@article{arxiv.2602.22639,
title = {QuadSync: Quadrifocal Tensor Synchronization via Tucker Decomposition},
author = {Daniel Miao and Gilad Lerman and Joe Kileel},
journal= {arXiv preprint arXiv:2602.22639},
year = {2026}
}
备注
30 pages, accepted to CVPR 2026 as an Oral Presentation. Complementary code can be found at github.com/dmiao153/QuadSync