論文の概要: Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency

• arxiv url: http://arxiv.org/abs/2001.00714v1
• Date: Fri, 3 Jan 2020 03:50:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 18:05:43.207076
• Title: Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency
• Title（参考訳）: 優れた機能マッチング:低レイテンシで正確で堅牢なvo/vslam
• Authors: Yipu Zhao, Patricio A. Vela
• Abstract要約: 最先端VO/VSLAMシステムの解析は、性能(正確性と堅牢性)と効率(レイテンシ)のバランスのギャップを露呈する 本稿では,特徴量に基づくVSLAMの適用により,性能と効率のギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 23.443265839365054
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analysis of state-of-the-art VO/VSLAM system exposes a gap in balancing performance (accuracy & robustness) and efficiency (latency). Feature-based systems exhibit good performance, yet have higher latency due to explicit data association; direct & semidirect systems have lower latency, but are inapplicable in some target scenarios or exhibit lower accuracy than feature-based ones. This paper aims to fill the performance-efficiency gap with an enhancement applied to feature-based VSLAM. We present good feature matching, an active map-to-frame feature matching method. Feature matching effort is tied to submatrix selection, which has combinatorial time complexity and requires choosing a scoring metric. Via simulation, the Max-logDet matrix revealing metric is shown to perform best. For real-time applicability, the combination of deterministic selection and randomized acceleration is studied. The proposed algorithm is integrated into monocular & stereo feature-based VSLAM systems. Extensive evaluations on multiple benchmarks and compute hardware quantify the latency reduction and the accuracy & robustness preservation.
• Abstract（参考訳）: 最先端VO/VSLAMシステムの解析は、性能(精度と堅牢性)と効率(レイテンシ)のバランスのギャップを露呈する。 直接および半間接のシステムはレイテンシが低いが、いくつかのターゲットシナリオでは適用できないし、機能ベースのシステムよりも精度が低い。 本稿では,特徴量に基づくVSLAMの適用により,性能と効率のギャップを埋めることを目的とする。 本稿では,アクティブなmap-to-frame特徴マッチング手法であるgood feature matchingを提案する。 特徴マッチングの取り組みは、組合せ時間の複雑さがあり、スコアリングメトリックを選択する必要があるサブマトリックス選択と結びついている。 シミュレーションにより,Max-logDet行列が最適であることを示す。 実時間適用性については,決定論的選択とランダム化加速度の組み合わせについて検討する。 提案アルゴリズムは単眼およびステレオ機能に基づくvslamシステムに統合されている。 複数のベンチマークと計算ハードウェアの広範な評価は、レイテンシの低減と正確性と堅牢性保存を定量化する。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer [54.713778961605115]
  Vision Transformer (ViT) はコンピュータビジョンコミュニティにおいて最も普及しているバックボーンネットワークの1つである。 本稿では,AdaLog(Adaptive Logarithm AdaLog)量子化器を提案する。
  論文  参考訳（メタデータ） (2024-07-17T18:38:48Z)
• Latency-aware Unified Dynamic Networks for Efficient Image Recognition [72.8951331472913]
  LAUDNetは動的ネットワークの理論的および実用的な効率ギャップを橋渡しするフレームワークである。 3つの主要な動的パラダイム - 適応型計算、動的層スキップ、動的チャネルスキップ - を統合している。 これにより、V100,3090やTX2 GPUのようなプラットフォーム上で、ResNetのようなモデルの遅延を50%以上削減できる。
  論文  参考訳（メタデータ） (2023-08-30T10:57:41Z)
• ParaFormer: Parallel Attention Transformer for Efficient Feature Matching [8.552303361149612]
  本稿ではParaFormerという新しい並列アテンションモデルを提案する。 振幅と位相という概念を通じて特徴とキーポイントの位置を融合させ、平行して自己と横断性を統合する。 ホモグラフィー推定、ポーズ推定、画像マッチングなど様々な応用実験により、ParaFormerが最先端の性能を達成することを示す。 効率のよいParaFormer-Uは、既存のアテンションベースモデルの50%未満のFLOPで同等のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-03-02T03:29:16Z)
• A Fast Feature Point Matching Algorithm Based on IMU Sensor [8.118281887577439]
  同時ローカライゼーションとマッピング(SLAM)では、画像特徴点マッチングプロセスが多くの時間を消費する。 画像特徴点マッチングの効率を最適化するために慣性測定ユニット(IMU)を用いるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-03T03:52:12Z)
• Canonical-Correlation-Based Fast Feature Selection for Structural Health Monitoring [4.533223834527272]
  本稿では,観測された特徴と欲求探索における対象変数の2乗正準相関係数の和を効率的に計算し,高速な特徴選択アルゴリズムを提案する。 提案アルゴリズムは, 計算速度, 一般分類, 回帰タスク, 損傷に敏感な特徴選択タスクの両面において, その優位性を示すために, 合成データセットと実データセットの両方に適用される。
  論文  参考訳（メタデータ） (2021-06-15T15:55:17Z)
• Greedy-Based Feature Selection for Efficient LiDAR SLAM [12.257338124961622]
  本論文では,L-SLAMシステムの精度と効率を,機能のサブセットを積極的に選択することで大幅に向上できることを実証する。 提案手法は,最先端のL-SLAMシステムと比較して,ローカライズ誤差と高速化が低いことを示す。
  論文  参考訳（メタデータ） (2021-03-24T11:03:16Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)
• DynaMiTe: A Dynamic Local Motion Model with Temporal Constraints for Robust Real-Time Feature Matching [47.72468932196169]
  本稿では,ディスクリプタ入力に非依存な軽量パイプラインDynaMiTeを提案する。 DynaMiTeは、マッチング精度とフレームレートの高いカメラポーズ推定の両方で優れた結果を得る。
  論文  参考訳（メタデータ） (2020-07-31T12:18:18Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。