多层运动下鲁棒点匹配的混合模型

本文提出了一种在多层运动下建立两组点之间鲁棒点对应关系的有效混合模型。 我们的算法从创建一组推定的对应关系开始,这些推定的对应关系除了真实的对应关系(内含物)外,还可以包含许多错误的对应物或离群值。 接下来,我们通过在基于混合模型的推定对应集上插值一组空间变换来求解对应关系,这涉及估计其匹配遵循非参数几何约束的内点的一致性。 我们将其表示为具有隐藏/潜在变量的贝叶斯模型的最大后验(MAP)估计,该变量指示推定集合中的match是离群值还是离群值。 我们在重现内核希尔伯特空间(RKHS)中对对应关系施加非参数几何约束,作为先前的分布。 MAP估计由EM算法执行,该算法还可以估计先验模型的方差(初始化为较大的值),因此能够非常快速地获得良好的估计(例如,避免此公式中固有的许多局部最小值)。 我们进一步提供了一种基于稀疏近似的快速实现,该实现可实现显着的加速而性能不会大大降低。 我们举例说明了在2D和3D真实图像上提出的用于稀疏特征对应的方法,以及用于形状匹配的公共可用数据集。 定量结果表明,我们的方法对非刚性变形和多层/大的不连续运动具有鲁棒性。