On the Robustness of Multi-View Rotation Averaging
Temple University（天普大学）；Stony Brook University（石溪大学）
旋转平均是对单个或多个旋转组的同步过程，并且是许多计算机视觉任务（诸如从运动恢复多视图运动恢复结构（SfM））中的基本问题。具体地，旋转平均涉及从成对相对相机姿态恢复底层姿态图一致性。具体地，给定旋转组，特别是三维旋转组（\eg，$\mathbb{SO}(3)$）中的成对运动，人们对恢复相对于固定帧的多个旋转的原始信号感兴趣。在本文中，我们提出了一个强大的框架来解决多旋转平均问题，特别是在大量的噪声测量的情况下。通过引入$ε$周期一致性项到求解器中，我们使鲁棒初始化方案被实施到IRLS求解器中。而不是进行昂贵的边缘去除，我们隐含地约束错误的测量的负面影响，通过减少重量，这样的IRLS失败所造成的不良初始化可以有效地避免。实验结果表明，我们提出的方法优于各种基准的艺术状态。
2021-02-09 cs.CV
Rotation Averaging with Attention Graph Neural Networks
RMIT University（皇家墨尔本理工大学）
在本文中，我们提出了一个实时和强大的解决方案，大规模的多重旋转平均。直到最近，多旋转平均问题已经使用传统的迭代优化算法来解决。这些方法采用了基于对传感器噪声和离群值分布的假设而选择的鲁棒成本函数。在实践中，这些假设并不总是非常适合真实的数据集。最近的工作表明，噪声分布可以使用图神经网络来学习。该解决方案需要第二个网络进行离群值检测和去除，因为平均网络对不良初始化敏感。在本文中，我们提出了一个单级图神经网络，可以鲁棒地执行旋转平均的噪声和离群值的存在。我们的方法使用所有的观察，通过使用加权平均和网络设计中的注意力机制来抑制离群值效应。其结果是一个更快，更鲁棒的网络，可以用比以前的神经方法更少的样本进行训练，最终在准确性和推理时间方面优于传统的迭代算法。
2020-10-14 cs.CV
Rotation Averaging in a Split Second: A Primal-Dual Method and a Closed-Form for Cycle Graphs
Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术学院）
针对非凸高维的旋转平均问题，本文从最大似然估计角度提出一种免初始化的原始对偶方法及循环图的首个最优闭式解，在精度和性能上取得显著提升。
2021-09-16 cs.CV
A new dynamical model for solving rotation averaging problem
本文分析了旋转平均问题作为一个潜在的功能相应的梯度系统的最小化问题。该动力系统是著名的Kuramoto模型在特殊正交群SO（3）上的推广，称为非阿贝尔Kuramoto模型。我们提出了一种新的方法来寻找加权和未加权的旋转平均。为了验证算法的正确性，我们使用真实数据集和随机数据集将模拟结果与几何平均和投影平均进行了比较。特别是，我们已经发现，我们的方法给出了近似相同的结果几何平均。
2021-11-24 cs.CV
Rotation Coordinate Descent for Fast Globally Optimal Rotation Averaging
School of Computer Science, The University of Adelaide（阿德莱德大学计算机科学学院）；School of Information Technology and Electrical Engineering, University of Queensland（昆士兰大学信息技术与电气工程学院）
在温和的条件下的测量噪声水平，旋转平均满足强对偶，这使得全球解决方案，通过半定规划（SDP）松弛。然而，SDP的通用求解器在实践中相当慢，即使在中等大小的旋转平均实例上也是如此，因此开发专门的算法至关重要。在本文中，我们提出了一种快速算法，实现全局最优称为旋转坐标下降（RCD）。与通过逐行更新半定矩阵来求解SDP的块坐标下降（BCD）不同，RCD在整个迭代过程中直接维护和更新所有有效的旋转。这避免了存储大型稠密半定矩阵的需要。我们在数学上证明了我们的算法的收敛性，并在经验上显示了其优越的效率，在各种问题配置的国家的最先进的全球性的方法。保持有效的旋转也有助于纳入本地优化例程，以进一步加速。此外，我们的算法是简单的实现;见补充材料的演示程序。
2021-03-16 cs.CV
Sparse Bounded Degree Sum of Squares Optimization for Certifiably Globally Optimal Rotation Averaging
University of Toronto（多伦多大学）
从噪声测量中估计未知旋转是SfM和其他3D视觉任务中的重要步骤。通常，容易返回次优局部最小值的局部优化方法用于解决旋转平均问题。利用凸松弛的新一波方法为涉及SO（3）的状态估计技术提供了全局最优性的第一个正式保证。然而，这些保证中的大多数仅适用于由噪声引入的测量误差在取决于问题实例的结构的一定范围内时。在本文中，我们铸造旋转平均作为一个多项式优化问题的单位四元数产生的第一个旋转平均方法，正式保证提供一个可证明的全局最优解的\textit{any}问题的实例。这是通过制定和解决一个稀疏的凸平方和（SOS）松弛的问题。我们提供了我们的算法和实验的开源实现，展示了我们的全局最优方法的好处。
2019-06-13 cs.CV
RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging
Simon Fraser University（西蒙菲莎大学）；Zhejiang University（浙江大学）；University of Electronic Science and Technology of China（电子科技大学）
本文提出了一种用于多重旋转平均（MRA）的深度递归旋转平均图优化器（RAGO）。传统的基于优化的方法通常无法产生准确的结果，由于损坏和噪声的相对测量。最近的基于学习的方法将MRA视为回归问题，而这些方法由于规范自由度问题而对初始化敏感。为了处理这些问题，我们提出了一个可学习的迭代图优化器，最大限度地减少了一个规范不变的成本函数与边缘整流策略，以减轻不准确的测量的影响。我们的图形优化器通过最小化每个节点的单个旋转目标函数来迭代地细化全局相机旋转。此外，我们的方法迭代地纠正相对旋转，使它们更符合当前相机的方向和观察到的相对旋转。此外，我们采用了门控递归单元，以改善的结果，通过跟踪的时间信息的成本图。我们的框架是一个实时学习优化旋转平均图优化器，具有为现实世界的应用程序部署的微小尺寸。RAGO在真实世界和合成数据集上的性能优于以前的传统和深度方法。代码可在https://github.com/sfu-gruvi-3dv/RAGO上获得
2022-12-14 cs.CV
HARA: A Hierarchical Approach for Robust Rotation Averaging
University of Zaragoza（萨拉戈萨大学）
我们提出了一种新的分层方法，多个旋转平均，被称为HARA。我们的方法增量式的旋转图的基础上的三元组支持的层次结构。其关键思想是通过优先考虑具有许多强三元组支持的边并逐渐添加具有较弱和较少支持的边来构建生成树。这降低了在生成树中添加离群值的风险。因此，我们得到了一个强大的初始解，使我们能够过滤离群值之前的非线性优化。通过最小的修改，我们的方法还可以集成有效的2D-2D对应的数量的知识。我们对合成和真实数据集进行了广泛的评估，展示了最先进的结果。
2022-03-29 cs.CV
Making Rotation Averaging Fast and Robust with Anisotropic Coordinate Descent
Chalmers University of Technology（查尔姆斯理工大学）；Lund University（隆德大学）
本文提出一种基于各向异性坐标下降的快速鲁棒旋转平均方法，通过简化块坐标下降公式并集成到大规模流程中，在公开数据集上达到最先进性能。
2025-09-06 cs.CV
Certifiably Optimal Anisotropic Rotation Averaging
Lund University（隆德大学）；Chalmers University of Technology（查尔姆斯理工大学）
针对现有旋转平均方法多聚焦各向同性场景、各向异性下全局优化困难的问题，提出可纳入各向异性代价的可证明最优旋转平均方法及更强松弛方案，在测试集上均能恢复全局最优，提升重建精度。
2025-09-01 cs.CV
Rotation Averaging and Strong Duality
Queensland University of Technology（昆士兰科技大学）；Chalmers University of Technology（查尔姆斯理工大学）；Lund University（隆德大学）；The University of Adelaide（阿德莱德大学）
在本文中，我们探讨的作用，对偶原则的旋转平均，在广泛的计算机视觉应用的基本任务的问题。在其常规形式中，旋转平均被陈述为在多个旋转约束上的最小化。由于这些约束是非凸的，这个问题通常被认为是具有挑战性的全局解决。我们将展示如何规避这一困难，通过使用拉格朗日对偶。虽然这种方法是众所周知的，但通常不能保证提供紧松弛。基于谱图理论，我们分析证明，在许多情况下，没有对偶间隙，除非噪声水平严重。这使得我们能够在多项式时间内得到一类重要的非凸问题的可证明的全局解。我们还提出了一个有效的，可扩展的算法，优于通用的数值求解器，并能够处理大型问题的情况下，通常发生在运动恢复结构设置。这种方法的潜力被证明了一些不同的问题，包括合成和真实世界的数据。
2017-11-29 cs.CV
Monocular Rotational Odometry with Incremental Rotation Averaging and Loop Closure
School of Computer Science, University of Adelaide（阿德莱德大学计算机科学学院）
估计相机的绝对方位对于姿态估计任务是必不可少的。已建立的方法是首先执行视觉里程计（VO）或视觉SLAM（V-SLAM），并且从由VO或V-SLAM估计的相机姿态（6 DOF）检索相机取向（3 DOF）。除了在估计全6 DOF相机姿态中的冗余之外，该方法的一个缺点是由于对结构和运动的基本约束而对估计地图（3D场景点）连同6 DOF姿态的依赖性。为了简化绝对方向估计的任务，我们制定了单目旋转里程计问题，并设计了一个快速算法，以准确地估计相机的方向与2D-2D特征匹配单独。支撑我们的系统是一个新的增量旋转平均快速和恒定时间迭代更新方法。此外，我们的系统维护视图图，其1）允许求解环路闭合以移除相机定向漂移，以及2）可用于热启动V-SLAM系统。我们在真实世界的数据集上进行了大量的定量实验，以证明我们的增量相机方向求解器的准确性。最后，我们展示了我们的算法对V-SLAM的好处：1）解决已知的旋转问题来估计相机和周围地图的轨迹，以及2）使V-SLAM系统能够跟踪纯旋转运动。
2020-10-05 cs.CV
Quantum Multiple Rotation Averaging
Max Planck Institute for Informatics, SIC（马克斯·普朗克信息研究所，SIC）；University of Siegen（施普伦次大学）
本文提出IQARS算法，通过量子退火器解决多旋转平均问题，实现更高的旋转同步精度。
2026-02-10 cs.CV
On the Distribution of Minima in Intrinsic-Metric Rotation Averaging
Washington College（华盛顿学院）；Cornell University（康奈尔大学）
旋转平均是一个非凸优化问题，它从3D场景的图像中确定相机集合的方向。这个问题已经研究了使用各种距离和鲁棒。SO（3）上的内在（或测地线）距离在几何上是有意义的;但是，虽然一些基于外在距离的求解器承认（有条件）保证正确性，但在内在度量下没有找到可比的结果。本文研究了局部极小点的空间分布。首先，我们做了一个新的实证研究来证明定性行为的急剧转变：随着问题变得越来越嘈杂，它们从一个单一的（容易找到的）占主导地位的最小值过渡到一个充满最小值的成本表面。在本文的第二部分，我们推导出一个理论界时，这种转变发生。本文推广了文[24]的结果，文[24]以局部凸性为代理来研究问题的难度。通过认识到潜在的商流形几何的问题，我们实现了n倍的改善，比以前的工作。顺便说一句，我们的分析还将先前的$l_2$工作扩展到一般的$l_p$成本。我们的研究结果表明，使用代数连接作为问题难度的指标。
2020-03-18 cs.CV
Gravity-aligned Rotation Averaging with Circular Regression
ETH Zurich（苏黎世联邦理工学院）；Microsoft（微软公司）
提出基于圆周回归的重力对齐旋转平均方法，将重力方向集成至全局SfM流程以提升相机朝向精度并减少自由度，在四个大规模数据集上实现SOTA精度且运行速度更快。
2024-10-16 cs.CV
Robust Motion Averaging under Maximum Correntropy Criterion
Xi’an Jiaotong University（西安交通大学）；Kyushu Institute of Technology（九州工业大学）
近年来，运动平均方法被引入作为解决多视点配准问题的有效手段。该方法旨在从一组相对运动中恢复全局运动，其中原始方法由于在优化中使用Frobenius范数误差而对离群值敏感。因此，本文提出了一种基于最大相关熵准则（MCC）的鲁棒运动平均方法。具体地说，相关熵的措施，而不是利用Frobenius范数误差，以提高运动平均对离群值的鲁棒性。根据半二次技术，基于相关熵测度的优化问题可以通过交替最小化过程来解决，该过程包括权重分配和加权运动平均操作。此外，我们设计了一个自适应核宽度的选择策略，以利用相关熵。在基准数据集上的实验结果表明，该方法具有较高的配准精度和鲁棒性。
2020-05-10 cs.CV
Rotation Averaging: A Primal-Dual Method and Closed-Forms in Cycle Graphs
Carnegie Mellon University（卡内基梅隆大学）；Institute for Systems and Robotics（系统与机器人研究所）；Instituto Superior Técnico（高等技术学院）
针对非凸高维的旋转平均问题，本文从最大似然估计角度提出一种受谱初始化启发的原始-对偶方法，并刻画了环图拓扑中的驻点，经基准测试与对偶理论验证，显著提升了精度与性能。
2024-05-29 cs.CV cs.RO
HETA++: Global Structure-from-Motion with Hybrid Explicit Translation Averaging
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
本文针对全局运动结构重建中平移平均的挑战，提出混合显式平移平均框架，结合相对平移与特征轨迹，经多步处理估计相机位置和3D点，最后完整束调整，实验表明该方法在准确性、鲁棒性和可扩展性上优于现有方法。
2026-07-20 cs.CV
Multiple Rotation Averaging with Constrained Reweighting Deep Matrix Factorization
School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院）；University of California, Davis（加州大学戴维斯分校）
针对传统多旋转平均方法依赖人工噪声假设、现有学习类方法需标注的问题，提出结合深度矩阵分解、生成树边过滤、重加权及动态深度选择的无监督方法，兼具优化与学习类方法优势，经多数据集验证有效。
2024-09-15 cs.AI cs.CV cs.RO
Pushing the Envelope of Rotation Averaging for Visual SLAM
Temple University（天普大学）；Amazon Web Services（亚马逊云科技）；Stony Brook University（石溪大学）
作为运动恢复结构（SfM）和同时定位与地图构建（SLAM）系统的重要组成部分，运动平均技术在过去几年中得到了广泛的研究，并继续吸引着越来越多的研究关注。虽然在大多数最先进的SLAM系统中主要继承了诸如光束法平差的规范方法来估计和更新机器人导航中的轨迹，但是光束法平差在SLAM系统中的实际实现本质上受到高计算复杂性、不可靠的收敛和理想初始化的严格要求的限制。在本文中，我们解除了这些限制，并提出了一种新的优化骨干视觉SLAM系统，我们利用旋转平均，以提高传统的单目SLAM管道的准确性，效率和鲁棒性。在我们的方法中，我们首先解耦的旋转和平移参数的相机刚体变换和转换的高维非凸非线性问题转化为易于处理的线性子问题在较低的维度，并表明，子问题可以独立地解决适当的约束。我们在姿态图优化中应用具有$l_1$范数的尺度参数来解决旋转平均对离群值的鲁棒性。我们进一步验证了我们提出的方法的全局最优性，重新审视和解决初始化方案，纯旋转场景处理和离群值处理。我们证明，我们的方法可以表现出高达10倍的速度与可比的准确性对最先进的公共基准。
2020-11-02 cs.CV cs.RO
MGSfM: Multi-Camera Geometry Driven Global Structure-from-Motion
本文提出MGSfM全局SfM框架，通过解耦旋转平均和混合平移平均提升多相机系统鲁棒性与效率，在大规模数据集上达到或超过增量式SfM精度。
2025-07-04 cs.CV
Robust Single Rotation Averaging Revisited
I3A, University of Zaragoza（萨拉戈萨大学I3A研究所）
针对高外点比例下的单次旋转平均问题，提出最小化 TLUD 成本的三阶段算法，结合弦偏差初始化与 $SO(3)$ 上的 Weiszfeld 迭代，在足够准确内点时可耐受高达 99% 外点并超越现有方法。
2024-09-10 cs.CV cs.RO
EAR-Net: Pursuing End-to-End Absolute Rotations from Multi-View Images
State Key Laboratory of Multimodel Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences（脑科学与智能技术卓越创新中心，中国科学院）
研究从多视图图像估计绝对旋转问题，提出EAR-Net方法，由极线置信图构建模块和置信感知旋转平均模块组成，能有效处理异常情况，实验表明该方法在准确性和速度上优于现有方法。
2026-07-22 cs.CV
Probabilistic Regression of Rotations using Quaternion Averaging and a Deep Multi-Headed Network
University of Toronto（多伦多大学）
旋转的准确估计对于增强现实和机器人中基于视觉的运动估计是至关重要的。在这项工作中，我们提出了一种从深度回归模型中提取旋转概率估计的方法。首先，我们建立在以前的工作，并认为我们命名为HydraNet的多头网络结构提供了更好的校准不确定性估计比依赖于随机向前传递的方法。其次，我们将HydraNet扩展到属于旋转组SO（3）的目标，通过回归单位四元数并使用旋转平均和不确定性注入到流形上的工具来产生三维协方差。最后，我们提出了一个合成数据集的结果和分析，学习一致的方向估计的7场景数据集，并显示我们如何使用我们学到的协方差融合深度估计的相对方向与经典的立体视觉里程计，以提高本地化的KITTI数据集。
2020-05-08 cs.CV cs.LG cs.RO
Robust video object tracking via Bayesian model averaging based feature fusion
School of Computer Science and Technology, Nanjing University of Posts and Telecommunications（南京邮电大学计算机科学与技术学院）
在这篇文章中，我们关注的是在视频流中跟踪感兴趣的对象。我们提出了一种算法，是强大的对闭塞，存在混乱的颜色，对象特征空间的突然变化和对象大小的变化。我们开发的贝叶斯建模框架内的算法。状态空间模型用于通过对跟踪系统的基本动态进行建模来捕获帧图像序列中的时间相关性。提出了贝叶斯模型平均（BMA）策略，用于融合观测数据中的多线索信息。在所提出的框架中允许涉及任何数量的对象特征。每个特征代表一个待融合的信息源，并与一个观测模型相关联。采用粒子滤波方法进行状态推断。与相关方法相比，基于BMA的跟踪器具有鲁棒性，表达性和可理解性。
2016-09-06 cs.CV
Resolving Marker Pose Ambiguity by Robust Rotation Averaging with Clique Constraints
The University of Adelaide（阿德莱德大学）；University of Tsukuba（筑波大学）
平面标记在机器人和计算机视觉中用于映射和定位。给定图像中检测到的标记，常见的任务是估计标记相对于相机的6DOF姿态，这是平面姿态估计（PPE）的实例。虽然有成熟的技术，PPE遭受一个基本的模糊性问题，因为可能有一个以上的合理姿态解决方案的PPE实例。特别是当标记角的定位有噪声时，通常难以单独基于重投影误差来消除姿态解的歧义。以前的方法使用启发式标准在可能的解决方案之间进行选择，或者简单地忽略模糊的标记。我们建议通过检查一组标记在多个视图中的位置来解决歧义。我们的具体贡献包括一个新的旋转平均配方，采用了可能的标记定位解决方案，从PPE的模糊性之间的长期依赖关系。我们分析了问题的组合复杂性，并开发了一种新的提升算法来有效地解决标记姿态模糊，而不丢弃任何标记观察。真实和合成数据的结果表明，我们的方法能够处理高度模糊的输入，并提供更准确和/或完整的基于标记的映射和定位。
2019-09-26 cs.CV cs.RO
Robust Motion Averaging for Multi-view Registration of Point Sets Based Maximum Correntropy Criterion
Tianjin University（天津大学）
运动平均（MA）算法作为解决多视点配准问题的一种有效算法，得到了广泛的研究，并提出了许多基于MA的配准算法。它们的目标是从相对运动中恢复全局运动，并利用信息冗余来平均累积误差。然而，这些方法的一个特点是，他们使用高斯-牛顿方法来解决全局运动增量的最小二乘问题，这可能会导致效率低，对离群点的鲁棒性差。在本文中，我们提出了一种新的运动平均框架的多视图注册与拉普拉斯核为基础的最大相关熵准则（LMCC）。利用李代数运动框架和相关熵测度，我们提出了一个新的成本函数，考虑到相对运动提供的所有约束。获得用于校正全局运动的增量可以进一步被公式化为旨在最大化成本函数的优化问题。借助于二次技术，优化问题可以通过分成两个子问题来解决，即，根据当前残差计算每个相对运动的权重，并为下一次迭代中的增量求解二阶锥规划问题（SOCP）。我们还提供了一种新的策略，用于确定内核的宽度，确保我们的方法可以有效地利用信息冗余提供的相对运动中存在许多离群值。最后，我们将所提出的方法与其他基于MA的多视图配准方法进行了比较，以验证其性能。对合成数据和真实数据的实验测试表明，我们的方法在效率，准确性和鲁棒性方面取得了优异的性能。
2022-08-24 cs.CV
Baseline Desensitizing In Translation Averaging
National University of Singapore（新加坡国立大学）
许多现有的平移平均算法对不同的相机基线敏感，并且必须依赖于广泛的预处理来改善观察到的对极几何图形，或者如果它们对不同的相机基线是鲁棒的，则需要复杂的优化来最小化高度非线性的角度误差目标。在本文中，我们精心设计了一个简单而有效的双线性目标函数，引入一个变量来执行必要的归一化。目标函数具有角度误差的基线不敏感特性，但可以通过块坐标下降进行简单有效的优化，具有良好的经验性能。进一步提出了一种旋转辅助的迭代加权最小二乘方法来处理异常值。我们还有助于更好地理解最近的两个凸算法，LUD和Shapefit/kick的行为，澄清潜在的微妙差异，导致性能差距。最后，我们证明了我们的算法在基准数据集中实现了整体优越的精度相比，国家的最先进的方法，也是几倍的速度。
2019-01-03 cs.CV
PRAGO: Differentiable Multi-View Pose Optimization From Objectness Detections
Istituto Italiano di Tecnologia (IIT)（意大利技术研究院）；Pattern Analysis and Computer Vision (PAVIS)（模式分析与计算机视觉实验室）
针对小规模稀疏相机位姿图的可微估计难题，提出PRAGO方法，利用目标性检测精化旋转平均，在7-Scenes上旋转误差相对降低21%。
2024-03-15 cs.CV
Multi-Irreducible Spectral Synchronization for Robust Rotation Averaging
Northeastern University（东北大学）；University of Chicago（芝加哥大学）
本文提出一种基于紧群调和分析与截断傅里叶分解的多不可约谱同步方法，用于鲁棒旋转平均，无需初始化且可结合任意光滑损失函数，并给出与测量图性质相关的显式性能保证。
2023-11-28 cs.CV math.GR math.OC
FA-KPConv: Introducing Euclidean Symmetries to KPConv via Frame Averaging
Robert Bosch GmbH - ADAS Systems, Software & Services（博世集团-ADAS系统、软件与服务）；University of Lübeck - Institute for Signal Processing（吕贝克大学-信号处理研究所）
本文提出FA-KPConv，通过帧平均将精确的欧几里得不变性与等变性引入KPConv点云网络，在不增加可学习参数的前提下提升分类与配准在数据稀缺和随机旋转等困难场景下的性能。
2025-05-08 cs.CV
TriP: A Triangle Puzzle Approach to Robust Translation Averaging
UC Davis（加州大学戴维斯分校）；University of Chicago（芝加哥大学）
TriP通过三角几何推断局部相对边尺度，并在对数域同步重叠三角形尺度以恢复一致的边长和相机位置，有效应对对抗性、循环一致等结构性干扰，具有强理论保障和高效计算性能。
2026-07-14 cs.CV cs.NA cs.RO
Algebraic Characterization of Essential Matrices and Their Averaging in Multiview Settings
Weizmann Institute of Science（魏茨曼科学研究所）
基本矩阵平均，即，在校准的多视图设置中恢复照相机位置和方向的任务是从运动到欧几里得运动恢复结构的全局方法中的第一步。基本矩阵平均的常见方法是分别求解摄像机方向和随后的摄像机位置。本文提出了一种新的方法，同时解决了摄像机的方向和位置。我们提供了一个完整的表征的代数条件，使一个独特的欧几里德重建$n$相机从一个集合的$(^n_2)$基本矩阵。接下来，我们使用这些条件来制定基本矩阵平均作为一个约束优化问题，使我们能够恢复一组一致的基本矩阵给定（可能是部分）一组测量的基本矩阵独立计算的图像对。最后，我们使用恢复的基本矩阵，以确定全球的位置和方向的$n$相机。我们在常见的SfM数据集上测试了我们的方法，与现有方法相比，在保持效率和鲁棒性的同时，表现出较高的准确性。
2020-02-25 cs.CV
Solving Viewing Graph Optimization for Simultaneous Position and Rotation Registration
University of Tehran（德黑兰大学）；Institute of Research in Fundamental Sciences (IPM)（基础科学研究所（IPM））
查看图是一组未知的相机姿势（作为顶点）和观察到的相对运动（作为边）。求解视图图是从运动恢复结构过程中的重要步骤，其中从2D图像的集合获得一组相对运动。文献中的几乎所有方法都通过旋转平均过程单独求解旋转，并将其用于求解位置。获得位置是具有挑战性的部分，因为平移观测只能告诉运动的方向。当边缘集包括近端和远端相机之间的成对平移观察时，它变得更具挑战性。本文提出了一种克服这些问题的迭代法。同时提出了一种同时获得旋转和位置的方法。实验结果表明，国家的最先进的性能所提出的方法。
2021-08-29 cs.CV
AWARE-NET: Adaptive Weighted Averaging for Robust Ensemble Network in Deepfake Detection
GIFT University（GIFT大学）；Superior University（卓越大学）
提出基于深度学习的双层集成框架AWARE-NET，通过分层结合Xception、Res2Net101和EfficientNet-B7的多次实例化并采用可学习加权机制动态结合预测，在深度伪造检测中实现了最先进的同数据集性能与鲁棒的跨数据集泛化能力。
2025-05-01 cs.CV
