DiffSAC

扩散模型增强计算机视觉鲁棒估计

研究人员开发了一个名为DiffSAC的新框架，该框架利用扩散模型来改进计算机视觉任务中的鲁棒估计。这种新方法学习有效最小集的分布，从而提高数据点的置信度分数，并减少评估大量假设的需要。DiffSAC将几何特征作为条件纳入其扩散模型中，以指导优化过程，从而产生少量高质量的最小集。在五个计算机视觉任务上的实验表明，DiffSAC的性能优于现有技术，且评估次数远少于以前的方法，能够实现实时运行，并可作为现有共识方法的即插即用模块。