L'estimation de modèle consiste à identifier un modèle parmi des données bruitées. Ce problème n'est pas trivial et l'état de l'art présente de nombreuses solutions pour résoudre ce problème. Le plus souvent les solutions max-consensus ou RANSAC sont utilisées. Ces solutions proposent de rechercher par tirages aléatoires plusieurs solutions et de conserver celle qui présente le plus grand cardinal face à une précision donnée a priori. Ces solutions, malgrè leur simplicité, présentent un défaut majeur : un seuil d'acception des données T doit être spécifié. Il se pose alors la question du choix de ce paramètre. Choisir un seuil trop grand va donner lieu à une sur-estimation des données valides et l'on va introduire des données bruitées dans le modèle alors que choisir un seuil trop petit donne lieu à une sous-estimation et une imprécision du modèle. Nous proposons de discuter la solution AC-RANSAC pour le Structure from Motion et son impact sur la précision des positions de caméras estimées.
