摘要
许多现实世界中的序列无法方便地归类为一般或退化；在这种情况下，强行在运动分割中使用基础矩阵或单应性模型进行二分法分类会导致困难。即使面对一般场景运动，作为运动分割模型的基础矩阵方法仍然存在若干缺陷，本文对此进行了讨论。只有当我们明智地利用来自更简单的单应性模型的信息时，才能充分发挥基础矩阵方法的全部潜力。基于这些考虑，我们提出了一种多视图谱聚类框架，该框架协同结合了多种模型。我们证明了通过这种方式可以显著提高性能。我们在现有的运动分割数据集上进行了广泛的测试，在所有数据集上均达到了最先进的性能；此外，我们还从KITTI基准测试中改编了一个更加真实且具有挑战性的数据集，其中包含了传统数据集中未见的真实世界效应，如强烈的透视效果和强烈的前向平移。