- **翻译平均(translation averaging)** 是全局**运动恢复结构(Structure-from-Motion, SfM)** 管线的核心步骤，旨在从成对相对平移方向恢复相机位置
- 方向测量不包含距离信息，导致估计问题高度病态且对异常观测极其敏感
- 现有方法难以同时应对对抗性、循环一致等结构化异常，且易出现**崩溃问题(collapse issue)**
- 提出**TriP** 框架，基于**三角形几何(triangle geometry)** 推理局部相对边缘尺度
- 在对数域(logarithmic domain)中对重叠三角形的尺度进行同步，从而恢复全局一致的边缘长度和相机位置
- 利用三角形之间的**高阶一致性(higher-order consistency)** 来增强鲁棒性
- 方法完全可并行化，计算高效，适合包含数百万相机的图结构
- **高阶一致性利用**：通过三角形间的一致性约束，有效抵抗对抗性、循环一致等结构化异常，这是现有方法难以处理的
- **无额外约束避免崩溃**：对数域尺度同步天然排除了退化的零尺度解，无需额外抗崩溃约束
- **强理论保证**：独特的结构优势使得精确位置恢复具备严格的理论证明
- 提供了一种鲁棒的翻译平均框架，在合成数据和真实数据集上大幅超越所有先前方法
- 解决了**异常鲁棒性(robustness to corruptions)** 和**崩溃问题(collapse issue)** 这两个核心挑战
- 算法具有高度可扩展性，可处理百万级相机的大规模图，适合实际大规模SfM应用
- 理论上的强保证为后续研究奠定了可靠基础