0. 笔者个人体会
大家对RANSAC想必都很熟悉,小到曲线拟合,大到端到端学习,都有RANSAC的身影。但传统的RANSAC本身是无偏差的随机采样,提出已经过去很多年了,无论是收敛速度还是模型精度都有待提升。
今天笔者将为大家分享几项最新开源的顶会RANSAC改进方案,大家可以替换自己原有的RANSAC,提升一下精度速度,也能水一下工作量。
下面一起来阅读一下这些工作,当然笔者水平有限,如果有理解不当的地方欢迎大家批评指正~
1. 可微RANSAC
标题:Generalized Differentiable RANSAC
作者:Tong Wei, Yash Patel, Alexander Shekhovtsov, Jiri Matas, Daniel Barath
机构:布拉格捷克理工大学、苏黎世联邦理工学院
来源:ICCV 2023
原文链接:https://arxiv.org/abs/2212.13185
代码链接:https://github.com/weitong8591/differentiable_ransac
摘要:我们提出了∇-RANSAC,一个广义的可微RANSAC,它允许学习整个随机稳健估计管道。所提出的方法使得能够使用松弛技术来估计采样分布中的梯度,然后通过可微分求解器传播该梯度。可训练