초록
우리는 강건 최적화 분야의 고전적인 RANSAC 알고리즘을 확장한 Neural-Guided RANSAC (NG-RANSAC)를 제시합니다. NG-RANSAC는 사전 정보를 사용하여 모델 가설 탐색을 개선하여 아웃라이어가 없는 최소 집합을 찾을 가능성을 높입니다. 이전 연구들은 가설 탐색을 안내하기 위해 수작업으로 만든 설명자 거리와 같은 휴리스틱한 부가 정보를 사용했습니다. 반면에, 우리는 원칙에 입각한 방식으로 가설 탐색을 학습하여 훈련 중 임의의 작업 손실을 최적화할 수 있게 하였으며, 이는 전통적인 컴퓨터 비전 작업에서 큰 개선을 가져왔습니다.우리는 NG-RANSAC에 두 가지 추가 확장을 제시합니다. 첫째, 인라이어 카운트 자체를 훈련 신호로 사용하면 자기 감독 방식으로 신경망 안내를 훈련할 수 있습니다. 둘째, 우리는 신경망 안내와 미분 가능한 RANSAC를 결합하여 입력 데이터의 특정 부분에 초점을 맞추고 출력 예측을 최대한 좋게 만드는 신경망을 구축하였습니다.우리는 NG-RANSAC를 에피폴라 기하학 추정, 지평선 추정 및 카메라 재위치 결정 등 다양한 컴퓨터 비전 작업에서 평가하였습니다. 우리는 최근 학습된 것들을 포함한 최신 강건 추정기들과 비교하여 우수하거나 경쟁력 있는 결과를 달성하였습니다.