亮风台提出基于图形匹配的可变形表面跟踪新算法 | ICCV 2019

ICCV 2019接收论文结果已经公布，来自全世界各地院校、研究机构、企业等，共有1077篇计算机视觉相关领域新成果入选。亮风台基于图形匹配的可变形表面跟踪算法被选为大会论文。新算法提出了一种基于图的方法，能够充分探索可变形表面的结构信息，以提高跟踪性能。
  

ICCV 由 IEEE 主办，每两年召开一次，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议。据了解，今年一共收到4328篇投稿，与上一届 2143 篇相比，数量超出一倍，“竞争”激烈。10 月 27 日 - 11 月 2 日，ICCV 2019 将在韩国首尔举行。

新成果着力于解决可变形表面的单目图像跟踪问题。具体而言，团队提出了一种新颖的基于图的方法，能够充分探索可变形表面的结构信息，以提高跟踪性能和效率。所提出的方法通过图结构之间的成对投影误差解决了特征对应和形状恢复问题，并采用软匹配松弛来提高计算效率。与现存先进算法进行广泛比较，实验结果表明，新方法可以对不同类型纹理的曲面实现稳健的跟踪结果，并且在跟踪精度和计算效率方面一般优于其他算法。

新提出的基于图的可变形表面目标的跟踪算法，主要贡献在三个方面：

      1、    通过软匹配松弛和精心设计的候选匹配滤波策略，将图模型和图匹配引入到可变形表面跟踪中；

      2、    设计统一的优化框架，探索局部外观，空间关系和变形模型的全部信息，以获得准确的形状重建；

      3、    构造了一个带有注释的新的真实世界数据集，用于在不同类型的纹理的情景中评估可变形表面跟踪算法。

自然场景中，说话的人脸、翻阅的报纸、质软的垫子、随意摆放的食品包装、柔性材料工业制品等等中，都存在可变形表面。如何提升此类物体计算机的跟踪性能和效率，对于AR在复杂应用场景中的落地具有重要意义。

从2D到3D，从几何理解到语义理解的过渡是当面计算机视觉领域的重点，亮风台一直在致力于此方向的技术研发，以寻求技术边界突破，并推进AR在商业化过程中优化升级。此外，亮风台也在通过“开放”、“开源”，和所有AR人一起推进技术的进步，曾发布了一系列AR相关的开源算法：包括图匹配算法（PAMI 2018a），2D AR跟踪算法（PAMI 2018b），投影补偿算法（CVPR 2019），单目标跟踪算法（ICCV 2017，CVPR 2019）等等。

并参与创建发布了三个重要的视觉跟踪评测集，TC-128，POT-210，LaSOT。其中TC-128是国际上第一个彩色跟踪评测集，POT-128是目前国际上最大的AR跟踪数据评测集，LaSOT是目前国际上最大的单目标跟踪评测集。这三个数据集的发布对于AR以及相关领域的研究起到了重要的推进作用，已经被广泛使用。

《Deformable Surface Tracking by Graph Matching》论文详情：

原文链接：https://www3.cs.stonybrook.edu/~hling/publication/deformable%20surface-19.pdf

数据集：https://www3.cs.stonybrook.edu/~hling/data/DeSurT.rar （~2G）