亮风台提出基于图形匹配的可变形表面跟踪新算法 | ICCV 2019

ICCV 2019接收论文结果已经公布，来自全世界各地院校、研究机构、企业等，共有1077篇计算机视觉相关领域新成果入选。AR公司亮风台基于图形匹配的可变形表面跟踪算法被选为大会论文。新算法提出了一种基于图的方法，能够充分探索可变形表面的结构信息，以提高跟踪性能。

ICCV 由 IEEE 主办，每两年召开一次，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议。据了解，今年一共收到4328篇投稿，与上一届 2143 篇相比，数量超出一倍，“竞争”激烈。10 月 27 日 - 11 月 2 日，ICCV 2019 将在韩国首尔举行。

新成果主要论述可变形表面的单目图像跟踪的问题，具体而言，亮风台团队提出了一种新颖的基于图的方法，能够充分探索可变形表面的结构信息，以提高跟踪性能和效率。所提出的方法通过图结构之间的成对投影误差解决了特征对应和形状恢复问题，并采用软匹配松弛来提高计算效率。与现存先进算法进行广泛比较，实验结果表明，新方法可以对不同类型纹理的曲面实现稳健的跟踪结果，并且在跟踪精度和计算效率方面一般优于其他算法。

新提出的基于图的可变形表面目标的跟踪算法，主要贡献在三个方面：

1. 通过软匹配松弛和精心设计的候选匹配滤波策略，将图模型和图匹配引入到可变形表面跟踪中;

2. 设计统一的优化框架，探索局部外观，空间关系和变形模型的全部信息，以获得准确的形状重建;

3. 构造了一个带有注释的新的真实世界数据集，用于在不同类型的纹理的情景中评估可变形表面跟踪算法。

以下为论文的详解：

1. 综述

本文解决了跟踪具有已知初始3D形状（即模板）的通用可变形表面目标以及在单眼透视投影下在视频序列中恢复其3D形状的问题。模板可以被提前手动提供，或者使用从运动中恢复形状的方法从视频序列的数帧中计算模板。

与通常分别处理特征对应关系，去除异常值和形状重建的传统方法不同，我们将这些过程集成到一个统一的基于图的框架中，并提出迭代地解决求解对应关系和求解变形的优化问题。考虑到计算效率，我们将传统图匹配问题中的强匹配约束放宽到松匹配约束。这种松匹配约束使我们能够保持更多匹配细节，从而产生更精确的形状，并且通过在软匹配约束下开发的新颖匹配算法也极大地提高了计算效率。伴随着精心设计的候选匹配