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
- RLCR 论文：用集体奖励训练 LLM 智能体组织，自发涌现分工与层级 — algo_diver · 2026-10-24
- SMD 少步扩散蒸馏发布：无需对抗训练与打分模型，验证至 33B、覆盖图视频3D — ArashVahdat · 2026-10-24
- tszzl 预言：几年内生物学将现惊人突破，癌症或迎近期解法 — tszzl · 2026-10-24
- rei_labs 提出 CLP:用学习与规划耦合应对训练数据稀缺 — burny_tech · 2026-10-24
- Palmer Luckey：鹦鹉小脑撑起高级智能，效率或是 AI 破局关键 — NaveenGRao · 2026-10-24
- Freeform Preference Learning:用自然语言自定义机器人奖励对比轴 — micoolcho · 2026-10-24