Core Concepts
提案するサブスペース制約付きTyler推定量(STE)は、高い割合の外れ値が存在する場合でも、真のサブスペースを効果的に回復できる。
Abstract
本研究では、サブスペース制約付きTyler推定量(STE)を提案する。STEは、Tyler's M-推定量(TME)とFast Median Subspace(FMS)の変形を融合したものである。理論的分析により、一般的な外れ値-内部値モデルの下で、STEは他の手法よりも小さな内部値の割合でも真のサブスペースを効果的に回復できることが示された。
STEを構造から運動(SfM)の文脈で2つの方法で適用する:
基本行列の頑健な推定
外れ値カメラの除去によるSfMパイプラインの頑健性向上
数値実験により、これらのアプリケーションでSTEの優れたパフォーマンスが確認された。本研究は、特にコンピュータビジョンと3D再構築の文脈における頑健なサブスペース回復分野に大きな貢献をする。
Stats
基本行列推定の際、STEは他の頑健なサブスペース回復手法よりも優れた相対的な回転誤差を示した。
SfMパイプラインにおいて、LUD+STEは一般的に回転と並進の推定精度を改善した。特にRoman ForumとGendarmenmarktデータセットで顕著な改善が見られた。
Quotes
"提案するサブスペース制約付きTyler推定量(STE)は、高い割合の外れ値が存在する場合でも、真のサブスペースを効果的に回復できる。"
"STEを構造から運動(SfM)の文脈で2つの方法で適用し、数値実験により優れたパフォーマンスが確認された。"