【标题】Unsupervised Learning for Robust Fitting:A Reinforcement Learning Approach

【作者团队】Giang Truong, Huu Le, David Suter, Erchuan Zhang, Syed Zulqarnain Gilani

【论文链接】https://arxiv.org/pdf/2103.03501.pdf

【发表日期】2021.3.5

【推荐理由】鲁棒模型拟合是计算机视觉应用中的核心算法。然而，由于潜在的计算复杂性，对于被异常值高度污染的数据集，有效地解决这个问题仍然具有挑战性。最新的研究文献侧重于基于学习的算法上。然而，大多数方法都是有监督的，需要大量有标签的训练数据。本文中介绍了一种新颖的无监督学习框架，该框架学习直接解决稳健模型拟合问题。与其他方法不同，本研究对潜在的输入特征是不可知的，并且可以很容易地推广到具有拟凸残差的各种LP型问题。通过经验表明，该方法优于现有的无监督学习方法，并在一些重要的计算机视觉问题上取得了与传统方法相比的竞争结果。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除