https://openreview.net/group?id=ICLR.cc/2019/Conference BA-NET: DENSE BUNDLE ADJUSTMENT NETWORKS
本文介绍一个网络结构，来解决 structure-from-motion（SfM）问题，通过 特征矩阵 bundle adjustment (BA)，
这个网络结构能够明显的通过 特征矩阵误差 的形式 强化 多视角几何约束，
整个流程是可导的，所以网络能够学习合适的特征 来使BA问题更可追溯，
更多的，这个工作介绍一个新颖的depth parameterization to recover dense per-pixel depth，
网络首先 根据输入的图片 生成几个 basis depth maps 然后 通过特征矩阵BA 来 优化最终的 深度 作为一个 basis depth maps 的线性组合，
basis depth maps 生成器也是可以端到端训练的，整个系统很好的结合了 领域知识（即 硬编码的 多视角 几何约束）以及深度学习（即特征提取和 basis depth maps 学习）来解决dense SfM问题，
在大规模的数据集上的实验证明方法的有效。
Structure-from-Motion（SfM）问题的研究，过去所有的方法尝试 通过 Bundle-Adjustment（BA）算法 联合优化 场景结构 和 相机运动，最近的深度学习网络 没有强化 3D结构 和 相机运动 的几何约束，如DeMoN，景深 和 相机运动 是通过两个独立的子网络优化的。
