多模型拟合新方法:邻域学习让随机采样选出更优最小集
zhenjun_zhao · x · 2026-09-16
论文《Robust Multi-Model Fitting through Learning Neighbor Regions》(Chang Nie、Guangming Wang、Zhe Liu、Hesheng Wang)提出改进的多模型拟合流程:
- 用随机最小集采样加基于置信度的选择,先得到较好的最小集
- 生成粗假设后,学习邻域区域特征,再迭代出精细假设
- 目标是在含多结构数据中更稳健地拟合多个几何模型
论文与代码链接见原帖。
「研究」频道最新
- 「Idea 盆地」:智能体为何困在旧思路里,各模型探索模式大不同 — AlexGDimakis · 2026-11-13
- OpenAI 用自动化红队训练 GPT-6,越狱抵抗力大幅超越上代 — fouadmatin · 2026-11-13
- Inkling 2 Small 的 Attention Residual 结构被赞"优雅" — simonguozirui · 2026-11-13
- 9B 模型加思维链无效?开发者 6 个 LoRA 实测蒸馏推理困境 — SignificantZebra5883 · 2026-11-13
- 初始权重训练后依然可读:画进模型的笑脸 survive 全程训练 — danbri · 2026-11-13
- 开源权重会泄露训练用 GPU:取证方法显示六款中国新模型用的是 Blackwell — Antique_Atmosphere97 · 2026-11-13