Latent Semantic Consensus for Deterministic Geometric Model Fitting
题目:用于确定性几何模型拟合的潜在语义共识
作者:Guobao Xiao; Jun Yu; Jiayi Ma; Deng-Ping Fan; Ling Shao
源码:https://github.com/guobaoxiao/LSC
摘要
在计算机视觉中,从包含大量异常值的数据中估计可靠的几何模型参数是一项基础且重要的任务。本文尝试采样高质量子集并选择模型实例以估计多结构数据中的参数。为此,我们提出了一种称为潜在语义共识(Latent Semantic Consensus, LSC)的有效方法。LSC的原理是在数据点和模型假设中都保留潜在的语义共识。具体来说,LSC基于数据点和模型假设分别构建了两个潜在语义空间来表述模型拟合问题。然后,LSC探索两个潜在语义空间中点的分布,以去除异常值,生成高质量的模型假设,并有效估计模型实例。最终,由于其确定性拟合特性和效率,LSC能够在几毫秒内为一般多结构模型拟合提供一致可靠的解决方案。与几种最先进的模型拟合方法相