ROML：一种用于图像集中物体匹配的鲁棒特征对应方法
计算机视觉与模式识别
2015-04-01 v2
摘要
基于特征的物体匹配是计算机视觉中许多应用的基本问题，例如物体识别、三维重建、跟踪和运动分割。在这项工作中，我们考虑同时匹配一组图像中的物体实例，其中提取了内点和外点特征。任务是识别内点特征并在图像集之间建立它们的一致对应关系。这是一个具有挑战性的组合问题，且问题复杂度随图像数量呈指数增长。为此，我们提出了一个名为 ROML 的新颖框架来解决此问题。ROML 同时优化每幅图像的部分置换矩阵 (PPM)，并通过获得的 PPM 建立特征对应关系。我们的两个主要贡献总结如下：(1) 我们将问题公式化为针对 PPM 优化的秩和稀疏性最小化问题，并将多个 PPM 的同时优化视为分布式优化背景下的正则化共识问题。(2) 我们使用 ADMM 方法求解由此公式化的 ROML 问题，其中与单个 PPM 优化相关的子问题似乎是一个困难的整数二次规划 (IQP) 问题。我们证明，在广泛适用的条件下，该 IQP 等价于线性分配问题 (LSAP)，后者可以被高效地求解至精确解。在刚性/非刚性物体匹配、常见物体类别实例匹配以及常见物体定位上的大量实验显示了我们所提方法的有效性。
引用
@article{arxiv.1403.7877,
title = {ROML: A Robust Feature Correspondence Approach for Matching Objects in A Set of Images},
author = {Kui Jia and Tsung-Han Chan and Zinan Zeng and Shenghua Gao and Gang Wang and Tianzhu Zhang and Yi Ma},
journal= {arXiv preprint arXiv:1403.7877},
year = {2015}
}