【CVPR2020】CONSAC: 基于条件样本一致性的稳健多模型拟合，Robust Multi-Model Fitting by Conditional Sample Consensus

题目： Robust Multi-Model Fitting by Conditional Sample Consensus

摘要： 我们提出了一种基于噪声测量的多参数模型的鲁棒估计方法。应用包括在人造场景中寻找多个消失点，将平面拟合到建筑图像中，或在同一序列中估计多个刚性运动。与以往的多模型检测采用手工搜索策略相比，我们从数据中学习搜索策略。基于先前检测到的模型的神经网络将RANSAC估计器引导到所有测量的不同子集，从而一个接一个地找到模型实例。我们训练我们的方法监督学习和自我监督学习。对于搜索策略的监督训练，我们提供了一个新的消失点估计数据集。利用该数据集，所提出的算法优于其他鲁棒估计器以及指定消失点估计算法。对于搜索的自监督学习，我们在多单应性估计上评估了所提出的算法，并证明其准确性优于最先进的方法。