CVPR 2023: Finding Geometric Models by Clustering in the Consensus Space

我们使用以下6个分类标准对本文的研究选题进行分析：

I. 模型类型:

1. 几何模型: 这些模型描述图像或场景中实体之间的几何关系。在这个例子中，研究特别关注 单应性，它可以将两个平面上的点相互映射。理解模型类型可以帮助了解研究的范围和局限性。

2. 未知数量的模型: 与传统假设固定数量模型的方法不同，该研究解决了自动 发现数据中存在的模型的精确数量 的难题。这对于事先不知道对象或关系数量的场景至关重要。

II. 模型发现过程:

1. 基于聚类: 该方法不是直接将数据点分配给模型，而是根据数据点与多个模型的 “一致性” 对其进行分组，形成代表潜在新模型实例的簇。这对于抵抗异常值和噪声提供鲁棒性。

2. 渐进选择: 模型发现过程 迭代进行，首先识别 主导 (高度支持) 的模型实例，然后利用它们指导对其他模型的搜索。这避免陷入局部最优，并允许适应复杂的数据结构。

3. 类似 RANSAC 的采样: 与 RANSAC (随机样本一致性) 算法类似，该研究采用