计算机视觉中的鲁棒拟合：易还是难？
计算机视觉与模式识别
2019-07-11 v3 计算复杂性
摘要
鲁棒模型拟合在计算机视觉中起着至关重要的作用，针对鲁棒拟合算法的研究持续活跃。可以说，计算机视觉中最流行的鲁棒拟合范式是共识最大化，其力求找到使内点数量最大化的模型参数。尽管共识最大化算法已取得显著进展，但计算机视觉文献中一直缺乏对该问题的基础性分析。特别是，共识最大化是否“可处理”仍是一个未被严格处理的问题，从而难以评估和比较所提算法的性能与理论可实现性能之间的关系。为阐明这些问题，我们给出了共识最大化的若干计算困难性结果。我们的结果凸显了该问题的根本难处理性，并解决了文献中存在的若干模糊之处。
引用
@article{arxiv.1802.06464,
title = {Robust Fitting in Computer Vision: Easy or Hard?},
author = {Tat-Jun Chin and Zhipeng Cai and Frank Neumann},
journal= {arXiv preprint arXiv:1802.06464},
year = {2019}
}