【ICCV 2019 Toturial】Global Optimization for Geometric Understanding with Provable Guarantees（具有可证明保证的几何理解的全局优化）

本教程旨在深入介绍适用于3D视觉问题的全局优化工具，包括凸和半正定松弛。本教程的第一个目标是通过提供真实的示例来激发对全局求解器的需求，这些示例中，由于无法解决大型优化问题而难以实现最优性，因此导致缺乏鲁棒性。第二个目标是为与会者讲解基本的数学和算法概念，并介绍该领域最近的重要进展。第三个目标是概述几种开放的研究途径：全局优化具有巨大的未开发潜力，希望本教程能够为研究人员使用现代优化工具解决几何视觉中的几个挑战带来灵感。

内容目录

• 报告人：Anders Eriksson
• 题目：Is Global Optimality the Key to Robust 3D Vision?（全局最优是3D视觉鲁棒性的关键吗？）
• 报告人：Luca Carlone
• 题目：Convex Relaxations for Robust Vision: Harder, Better, Faster, Stronger（基于凸松弛视觉鲁棒性:更硬，更好，更快，更强）
• 报告人：Tat-Jun Chin
• 题目： Robust Geometric Understanding with Outliers: Algorithms and Provable Guarantees（具有离群值的鲁棒性几何理解:算法和可证明的保证）
• 报告人：杨珩
• 题目： Hands-on Tutorial on Global Optimization in Matlab（Matlab中全局优化的实践教程）