arXiv · 机器人与计算机视觉· James Pritts, Felix Seegr\"aber, Kevin K\"oser·· 8 天前精选AI 评分78
RANSAC Scoring Done Right:一种消除尺度依赖的 RANSAC 评分新方法
RANSAC Scoring Done Right
AI 导读
论文提出了一种改进的 RANSAC 评分方法,通过边际化尺度参数而非固定阈值来区分内点与外点,从而消除了对噪声水平估计的依赖。该方法仅需一个超参数(均匀分布的外点半宽),且可通过单次排序和线性扫描最大化得分。该工作为 NeurIPS 2026 录用论文,适用于需要适应不同标注程度数据集的场景。
推荐理由
提出了一种新的 RANSAC 评分方法,通过边际化尺度参数消除了对阈值和噪声水平的依赖,仅需一个超参数即可适应不同标注程度的数据集。
来源:arXiv · 机器人与计算机视觉 · arxiv.org