面向含离群点图匹配的零分配约束
计算机视觉与模式识别
2020-03-27 v1
摘要
图匹配（GM）作为计算机视觉与模式识别中的长期问题，在实际应用仍受大量杂乱离群点困扰。为解决此问题，我们提出零分配约束（ZAC）以处理存在离群点时的图匹配问题。其底层思想是通过在所得最优对应矩阵中将零值向量分配给潜在离群点，来抑制离群点的匹配。我们对这一问题（即带 ZAC 的 GM）给出了精细理论分析，并指出带与不带离群点的 GM 问题本质不同，这使我们能提出构造有效且合理目标函数的充分条件。据此，我们设计了一种高效的离群点鲁棒算法，以显著减少由大量离群点引起的错误或冗余匹配。大量实验表明，我们的方法在精度与效率上均可达到最先进（SOTA）性能，尤其在存在大量离群点时。
引用
@article{arxiv.2003.11928,
title = {Zero-Assignment Constraint for Graph Matching with Outliers},
author = {Fudong Wang and Nan Xue and Jin-Gang Yu and Gui-Song Xia},
journal= {arXiv preprint arXiv:2003.11928},
year = {2020}
}