一天建成罗马

研0狗没见过论文，看论文只好一句句翻译出来看看，不然就忘了前句说过什么。翻译水平有限，欢迎大佬们指正。

摘要

我们提出了一个系统，这个系统从极大的图片库里相互匹配并重建了一个三维场景。比如，这些图片来自网上图片分享网站，是一个已给定的城市，比如罗马。我们的系统使用新颖的并行分布式匹配和重构算法，用来最大化在每个阶段的并行性、减少序列化瓶颈。它被设计来使用问题的规模和可用的计算量。我们已经在每个阶段试验了多个可选的算法然后报告出哪个工作在并行计算环境下表现最好。实验结果表明，其现在可以在500个计算机核心的情况下能在一天时间内可能用15万张图片重建城市。

1.介绍

在flickr.com网站上搜索项-罗马，将得到超过两百万张图片。这个规模表示一个越来越完整的摄影记录，捕获了这座城市每一个受欢迎的地方，外部，内部，喷泉，雕塑，绘画，咖啡馆等。这些图片的大多数都从成百上千的视点和显示条件得到的—单特莱维喷泉在网站上就有超过5万张图片。[16,17,8]以相同规模的图片重建单个建筑已经取得了较大的突破，表明SfM算法的应用潜力在非结构化的图片多大数千个照片。这篇论文表明从数千张图片重建城市化规模的可行性。我们现在的模型是一个到两个数量级的模型 比文献中所报告的下一个最大的结果要大。 此外，我们的系统还能重建数据 在不到一天的时间内拍摄15万张照片。
城市规模的三维重建之前已经在计算机视觉的文献中被讨论过了，现在已经被广泛的应用于谷歌地球以及微软的虚拟地球。然而，现存的大规模的运动系统的结构系统是对来自结构资源的图片进行操作，比如，由一架调查机拍摄的航拍照片，或由移动车辆捕获的街道图像。这些系统以来的图像需要用相同的典型标定相机和常规采样率，或利用其它的传感器，比如GPS，内部导航单元，这极大地简化了计算。
从网络中获取的图像没有这些可供简化的特征。它们是使用各种不同的相机，在不同的显示条件下，在其中几乎没有任何与他们相关的地理信息，而且再很多情况下，没有相机校准信息。这些相似的变异性，让这些照片很难在SfM中起到作用，但也让它们蕴含了很多关于这个世界的信息。特别的是，它们能够捕捉人们感兴趣的东西，比如，值得拍摄的景观，包括，内部装饰，艺术品（比如，雕塑，绘画等等），以及外部的景观。而从这些图片所生成的重建结果并不能做到对场景表面的完整覆盖，随着时间的推移，覆盖率会通过添加航拍或街拍的照片而补充。
我们的系统的主要目标是通过利用大规模并行性，快速完成重建。这个选择是因为当前越来越普遍的像CPU（多核），网络水平（云计算）等并行计算资源所促使的。以如今的价格，你可以用10000美元租1000个结点租一天。
我们的方法的基础是一个针对大规模分布式计算机视觉问题的新系统，我们也将把这个系统发布出来。我们的算法主要是通过现存的大规模的匹配和SfM算法，包括SIFT，词汇树，bundle adjustment，以及其他技术。对于我们算法的每个阶段我们考量几种可供选择的算法，因为某些算法可以分布，但某些不行，那么发布内存使用率以及I/O带宽就变得很关键了。比如在bundle adjustment算法中，我们发现现有的实现并没有成规模，所以我们自己创作了一个高性能的实现。设计一个规模可变得系统是有挑战性的，我们在这条路上发现了许多惊喜。因此，我们的论文的主要贡献在于学习到的观点与教训，以及我们创造的提升并行性和吞吐量的科技创新。
论文的剩余部分组织如下。第二部分讨论了细节设计选择与实现。第三部分汇报了在三种不同城市规模数据集下的实验结果。第四部分得出结论以及对未来工作的导向。

2.系统设计

我们的系统运行在一簇计算机（节点），其中一个是主节点。主节点负责各种任务的调度工作。
在这个单元里，我们描述了我们系统的详细设计，这可以被分成三个不同的阶段：（1）预处理（2）匹配（3）几何估计。

2.1预处理与特征提取

我们假设图像是存储在中央上，它们以对固定尺寸块的要求被分发到集群节点上。其自动执行负载均衡，更强大的节点接受更多的图片。
这是唯一一个需要中央文件服务器的阶段，系统的其他部分并不需要任何共享存储。这样我们就可以从匹配和重建实验的独立互联网上下载图片了。对生产使用，在匹配和重建过程的开始对每一个节点将会从互联网上抓取图片。
在每个节点上，我们通过识别图片是否可读，可用开始。之后我们提取SIFT标签，如果得到了，就记录焦距（focal length