Ein Forscherteam unter der Leitung von Professorin Wang Hanzhi der Fakultät für Informatik der Xiamen-Universität hat signifikante Fortschritte im Bereich des robusten Modellfittings erzielt. Die Ergebnisse wurden kürzlich im Fachjournal IEEE Transactions on Pattern Analysis and Machine Intelligence veröffentlicht. Das neu entwickelte Verfahren trägt den Namen MPCFormer und adressiert zentrale Limitierungen bestehender Ansätze bei der Parameterschätzung aus verrauschten und outlier-behafteten Daten. Herkömmliche Algorithmen wie RANSAC leiden unter ineffizienten iterativen Abtastungen und ignorieren die zugrundeliegende Präferenzverteilung der Daten. Lernbasierte Ansätze hingegen stützen sich oft auf statische Koordinatendarstellungen und die lokalen Rezeptionsfelder von CNNs, was die Erfassung globaler Kontexte und dynamischer Bewegungsmuster in komplexen Szenarien erschwert. MPCFormer umgeht diese Hürden, indem es die Merkmalsextraktion mit räumlich-zeitlichen Bewegungssignalen kombiniert und iterative Abtastprozesse vollständig eliminiert. Das Modell formuliert das Fitting-Problem als gemeinsame Optimierung der Punkt-Klassifikation und der Parameterschätzung. Kern der Architektur sind zwei innovative Komponenten: Ein prädiktiver Filter nutzt transformergestützte Restverbindungen und mehrköpfige Aufmerksamkeitsmechanismen, um die Präferenzverteilung der Daten explizit zu kodieren und störende Ausreißer adaptiv zu unterdrücken. Ein darauf aufbauender Pyramiden-Glättungsfilter extrahiert über eine mehrgliedrige Merkmalspyramide konsistente Bewegungsmuster auf verschiedenen Skalen und löst so räumliche Diskontinuitäten sowie Bewegungsambiguitäten effektiv auf. Evaluierungen belegen die Überlegenheit des Ansatzes: MPCFormer steigert die Genauigkeit (mAP@5°) um 4,68 Prozent, den Bereich unter der Kurve (AUC@3 Pixel) um 1,89 Prozent sowie den F-Score um 1,52 Prozent gegenüber den besten Referenzmodellen. Die Studie wird maßgeblich vom erstautorisierenden Doktoranden Wen Yu Yin verfasst und von einer internationalen Betreuergruppe aus der Xiamen-Universität, der Jinan-Universität sowie der Edith Cowan University koordiniert. Gefördert wurde die Arbeit durch mehrere Projektmittel der Chinesischen Nationalen Naturwissenschaftsstiftung. Die Veröffentlichung eröffnet neue Perspektiven für die Bewegungs- und Strukturrekonstruktion in modernen Vision-Systemen.