BA-NET 摘要速覽

https://openreview.net/group?id=ICLR.cc/2019/Conference
BA-NET: DENSE BUNDLE ADJUSTMENT NETWORKS

本文介紹一個網絡結構，來解決 structure-from-motion（SfM）問題，通過 特徵矩陣 bundle adjustment (BA)，
這個網絡結構能夠明顯的通過 特徵矩陣誤差 的形式 強化 多視角幾何約束，
整個流程是可導的，所以網絡能夠學習合適的特徵 來使BA問題更可追溯，
更多的，這個工作介紹一個新穎的depth parameterization to recover dense per-pixel depth，
網絡首先 根據輸入的圖片 生成幾個 basis depth maps 然後 通過特徵矩陣BA 來 優化最終的 深度 作爲一個 basis depth maps 的線性組合，
basis depth maps 生成器也是可以端到端訓練的，整個系統很好的結合了 領域知識（即 硬編碼的 多視角 幾何約束）以及深度學習（即特徵提取和 basis depth maps 學習）來解決dense SfM問題，
在大規模的數據集上的實驗證明方法的有效。

Structure-from-Motion（SfM）問題的研究，過去所有的方法嘗試 通過 Bundle-Adjustment（BA）算法 聯合優化 場景結構 和 相機運動，最近的深度學習網絡 沒有強化 3D結構 和 相機運動 的幾何約束，如DeMoN，景深 和 相機運動 是通過兩個獨立的子網絡優化的。