深入审视逆组合算法
计算机视觉与模式识别
2019-04-09 v2 人工智能
机器学习
摘要
在本文中，我们提供了经典逆组合算法用于稠密图像对齐的现代综述。我们首先讨论这一成熟技术所做出的假设，随后提出通过将数据驱动先验融入该模型来放宽这些假设。更具体地，我们展开逆组合算法的鲁棒版本，并使用更具表达力的模型替换该算法的多个组件，这些模型的参数我们以端到端方式从数据中训练。我们在若干具有挑战性的 3D 刚体运动估计任务上的实验展示了优化与基于学习的技术相结合的优势，优于经典逆组合算法以及数据驱动的图像到位姿回归方法。
引用
@article{arxiv.1812.06861,
title = {Taking a Deeper Look at the Inverse Compositional Algorithm},
author = {Zhaoyang Lv and Frank Dellaert and James M. Rehg and Andreas Geiger},
journal= {arXiv preprint arXiv:1812.06861},
year = {2019}
}
备注
Paper accepted at CVPR 2019, oral presentation. Code is available at https://github.com/lvzhaoyang/DeeperInverseCompositionalAlgorithm