.png){kind=icon}
返回
Spatial Clustering Guided Two-View Multi-Structural Deterministic Geometric Model Fitting
.png){kind=icon}
PRE
AI
DOI：10.1109/TIP.2025.3610248.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对多结构数据中存在严重异常值的两视角几何模型拟合问题进行研究，旨在提供可靠且一致的拟合结果。核心思想是采用空间聚类来指导确定性采样最小子集。具体而言，我们首先通过引入保持邻域元素一致性和邻域拓扑的良好邻居，提升空间聚类效果，以增强采样最小子集的质量。随后，我们进一步设计了一种多尺度融合策略，该策略不仅能产生更多高质量的最小子集，还能使方法覆盖数据中的所有模型实例。此外，我们提出了一种简单有效的模型选择算法，用于估计数据中模型实例的参数。最终所提方法能够为多结构数据保证快速、准确且稳定的模型拟合结果。此外，我们构建了两个大型标注数据集，分别用于同质矩阵和基础矩阵估计。在六个数据集上的真实图像实验结果表明，所提方法在精度和速度方面显著优于几种当前最优的替代方法。特别是对于MS-COCO-F和YFCC100M-F数据集，所提方法在分割误差、参数误差和CPU时间上的性能提升均超过三倍。
Keyword:
Model fitting
deterministic fitting
spatial clustering
multiple-structural data
