PROSAC论文的翻译

简介：
本文是对PROSAC（Probabilistic Sample Consensus）算法的经典论文进行的中文翻译。该文提出了一种高效的鲁棒估计方法，在计算机视觉领域具有重要影响。 本段落提出了一种新的鲁棒匹配方法——随机样本一致性（PROSAC）算法。该算法通过使用一组对应关系上定义的线性排序来构建临时对应关系中的相似性函数，从而区别于传统的RANSAC算法。不同于后者对所有候选点进行平等处理并从中抽取随机样本来建立模型，PROSAC则倾向于从逐渐增加的、按相似度高低排列的最高部分开始抽样。基于通常情况下相似性测量能够比随机猜测更准确地预测匹配正确性的假设，我们证明了这种算法可以显著减少计算量。实验结果显示，在某些场景下，PROSAC的速度可能远超RANSAC（快达百倍以上）。在最坏的情况下，随着抽取样本数量的增加，PROSAC所生成的有效对应关系集大小接近于RANSAC方法的结果。此外，该技术在解决宽基线匹配问题时展示了强大的性能优势。