大规模SfM的Cut、Expand

Cut与Expand

• Cut
  • 将大规模SfM问题分解成没有重叠image的不同的partition。
• Expand
  • 向不同的partition中添加image，增强不同partition之间的连接。保证最后能重建出一个完整的大规模场景。

colmap的cut(NCut)与Expand

1. 判断cluster的大小。若cluster的image的数目足够小，不进行任何操作，返回cluster
2. cluster的大小可以进行cut，对cluster进行Normalized Cut，返回每个image及其所属的cluster_id
3. 将image分配到clustered的child cluster
4. 收集inter child cluster(shares common images)和intar child cluster(has no connection with each other)之间的edges
5. 递归地对child cluster进行partition
6. 根据内点数对edge进行降序排序，根据common observation 来添加overlapping images
7. 随机选取overlapping image并将其添加到cluster中
8. 递归地将overlapping image添加到cluster及其child cluster

Chen的cut(NCut)与Expand

(Graph-Based Parallel Large Sclale Structure from Motion)

1. 根据image