一篇英文翻译，有关RANSAC算法的（主要讲用RANSAC算法找匹配图片的）

很关键的摘要，有高人能翻译出来不？题目：Generalized RANSAC framework for relaxed correspondence problems摘要：AbstractFinding correspondences between two (widely) separatedviews is essential for several computer vision tasks, such asstructure and motion estimation and object recognition. Inthe wide-baseline matching using scale and/or affine invariantfeatures the search for correspondences typically proceedsin two stages. In the first stage a putative set of correspondencesis obtained based on distances between featuredescriptors. In the second stage the matches are refinedby imposing global geometric constraints by means of robustestimation of the epipolar geometry and the incorrectmatches are rejected as outliers. For a feature in one view,usually only one ”best” feature (the nearest neighbor) in theother view is chosen as corresponding feature, despite thefact that several match candidates exist. In this paper, wewill consider multiple candidate matches for each feature,and integrate this choice with the robust estimation stage,thus avoiding the early commitment to the ”best” one. Thisyields a generalized RANSAC framework for identifyingthe true correspondences among sets of matches. We examinethe effectiveness of different sampling strategies for setsof correspondences and test the approach extensively usingreal examples of hard correspondence problems causedby a large motion between views and/or ambiguities due torepetitive scene structures.

也来凑个数：
概括算法原理框架为轻松的通讯问题摘要：abstractfinding信件在二之间(广泛)separatedviews是要点对几个计算机视觉任务，如此asstructure，运动估计，目标识别。 Inthe宽基线匹配使用的规模和/或为对应搜索仿射invariantfeatures通常proceedsin两个阶段。在第一阶段取得的correspondencesis公认的一套基于featuredescriptors之间的距离。在第二阶段的比赛是由施加refinedby的极线几何robustestimation意味着全球的几何约束和incorrectmatches为离群拒绝。对于在一个视图功能，通常只有一个“最好的”功能theother视图（最近邻）被选作相应的功能，尽管thefact几个匹配候选人存在。本文wewill考虑每个功能多个候选匹配，并集成了稳健估计这个阶段的选择，从而避免了早期的承诺，“最佳”之一。 Thisyields之间的比赛为真正的书信集identifyingthe广义RANSAC框架。我们examinethe为setsof对应不同的取样策略的有效性和测试方法广泛usingreal硬通信问题causedby之间的意见和/或含糊之处，由于torepetitive场景结构大运动的例子。

推广了 ransac 宽松的通信问题的架构 摘要 发现通信在二 (广泛地)之间分开 视野对一些计算机视觉工作是必要的, 像是 结构和运动判断和物体承认。 在 宽者-基线相配使用刻度及[或] 姻亲无变化的 为通信的特征搜寻典型地收入 在二个阶段中。 在那第一阶段一想像组的通信 是在特征之间获得了基于距离 记述件。 在第二个阶段比赛中是精炼的 藉着令人难忘全球的几何学的限制藉由强健的 epipolar 几何学和不正确人的判断 比赛是拒绝了如露宿者。 对于视野的一个特征, 通常唯一的一 " 最好 " 特征 (那近的邻居) 在那 其他的视野被选择如对应的特征, 不在乎那 事实：一些比赛候选人存在。 在这张纸, 我们 意志考虑多位候选人比赛为每个特征, 而且用强健的判断阶段整合选择, 如此避免早的承诺 " 最好 " 一。 这 生产量一推广了 ransac 识别的架构 在比赛的组之中的真实通信。 我们调查 不同的为组抽取样品策略的效力 通信和测试方式广泛地使用 难通信问题的真正的例子引起 藉着一个大运动在适当的视野及[或] 不明确之间到 重复的现场结构。