極めて大規模データセットに対する非最小サンプリングとコンセンサス
arXiv cs.CV / 2026/4/27
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は、ノイズや外れ値で汚染された極めて大規模なデータセットに対して、頑健かつスケーラブルにモデル推定を行う枠組みNONSAＣ（Non-Minimal Sampling and Consensus）を提案します。
- NONSAＣは、非最小のデータ部分集合を繰り返しサンプリングして頑健推定器で複数のモデル仮説を生成し、事前に定めたスコアリング規則で最良の仮説を選びます。
- この手法は推定器に依存しない（estimator-agnostic）ため、RANSACのような既存の幾何学的フィッティング手法に組み込むことで、外れ値への頑健性とスケーラビリティの両方を高められます。
- スコアリング規則の各種バリエーションを用い、相対カメラ姿勢推定、P n P、点群登録で評価し、対応を前提としない点群登録にも、全対全の対応仮説を立てる形で適用可能であることを示します。
