論文の概要: Combining 3D Model Contour Energy and Keypoints for Object Tracking
- arxiv url: http://arxiv.org/abs/2002.01379v1
- Date: Tue, 4 Feb 2020 15:53:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-04 03:16:55.764503
- Title: Combining 3D Model Contour Energy and Keypoints for Object Tracking
- Title（参考訳）: 物体追跡のための3次元モデル輪郭エネルギーとキーポイントの組み合わせ
- Authors: Bogdan Bugaev, Anton Kryshchenko, Roman Belov
- Abstract要約: 単分子モデルに基づく3次元追跡のための新しい組み合わせアプローチを提案する。
キーポイントベースの手法を用いて予備オブジェクトのポーズを推定する。
次に、輪郭エネルギー関数を最適化することにより、ポーズを洗練する。
- 参考スコア（独自算出の注目度）: 2.5782420501870287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new combined approach for monocular model-based 3D tracking. A
preliminary object pose is estimated by using a keypoint-based technique. The
pose is then refined by optimizing the contour energy function. The energy
determines the degree of correspondence between the contour of the model
projection and the image edges. It is calculated based on both the intensity
and orientation of the raw image gradient. For optimization, we propose a
technique and search area constraints that allow overcoming the local optima
and taking into account information obtained through keypoint-based pose
estimation. Owing to its combined nature, our method eliminates numerous issues
of keypoint-based and edge-based approaches. We demonstrate the efficiency of
our method by comparing it with state-of-the-art methods on a public benchmark
dataset that includes videos with various lighting conditions, movement
patterns, and speed.
- Abstract（参考訳）: 単分子モデルに基づく3次元追跡のための新しい組み合わせアプローチを提案する。
キーポイントベースの手法を用いて予備オブジェクトのポーズを推定する。
次に、輪郭エネルギー関数を最適化してポーズを洗練する。
エネルギーは、モデル投影の輪郭と画像エッジとの対応度を決定する。
生画像勾配の強度と向きの両方に基づいて算出する。
最適化のために,局所最適性を克服し,キーポイントに基づくポーズ推定から得られる情報を考慮した検索領域制約を提案する。
この手法は,キーポイントベースおよびエッジベースアプローチの多くの問題を解消する。
本手法は,様々な照明条件,動作パターン,速度の動画を含む公開ベンチマークデータセット上で,最先端手法と比較することにより,その効率性を示す。
関連論文リスト
- KRONC: Keypoint-based Robust Camera Optimization for 3D Car Reconstruction [58.04846444985808]
KRONCは、オブジェクトに関する事前知識を活用して、セマンティックキーポイントを通してその表現を再構築することで、ビューポーズを推論する新しいアプローチである。
車両シーンに焦点を当てたKRONCは、キーポイントのバックプロジェクションを特異点に収束させることを目的とした光最適化問題の解として、ビューの位置を推定することができる。
論文 参考訳（メタデータ） (2024-09-09T08:08:05Z) - FlowMap: High-Quality Camera Poses, Intrinsics, and Depth via Gradient Descent [19.977807508281835]
FlowMapは、正確なカメラポーズ、カメラ内在、およびビデオシーケンスのフレーム毎の密度の深さを解決する、エンドツーエンドの微分可能な方法である。
提案手法は,最小2乗の目的をビデオごとの勾配差最小化する。
提案手法によって得られたカメラパラメータと密度深度は,360度軌道上での光リアルな新規ビュー合成を可能にすることを実証的に示す。
論文 参考訳（メタデータ） (2024-04-23T17:46:50Z) - Towards Scalable Multi-View Reconstruction of Geometry and Materials [27.660389147094715]
本稿では,3次元シーンのカメラポーズ,オブジェクト形状,空間変化の両方向反射分布関数(svBRDF)のジョイントリカバリ手法を提案する。
入力は高解像度のRGBD画像であり、アクティブ照明用の点灯付き携帯型ハンドヘルドキャプチャシステムによってキャプチャされる。
論文 参考訳（メタデータ） (2023-06-06T15:07:39Z) - 6DOF Pose Estimation of a 3D Rigid Object based on Edge-enhanced Point
Pair Features [20.33119373900788]
本稿では,点対特徴量(PPF)に基づく効率的な6次元ポーズ推定手法を提案する。
エッジマッチング度を計算することにより、対称曖昧性を解決するために、ポーズ仮説の検証手法を提案する。
論文 参考訳（メタデータ） (2022-09-17T07:05:50Z) - RelPose: Predicting Probabilistic Relative Rotation for Single Objects
in the Wild [73.1276968007689]
本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。
本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
論文 参考訳（メタデータ） (2022-08-11T17:59:59Z) - Leveraging Monocular Disparity Estimation for Single-View Reconstruction [8.583436410810203]
単分子深度推定の進歩を利用して不均一マップを得る。
我々は,2次元の正規化不均質マップを,関連するカメラパラメータの最適化によって3次元の点群に変換する。
論文 参考訳（メタデータ） (2022-07-01T03:05:40Z) - Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。
このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。
提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
論文 参考訳（メタデータ） (2022-04-12T15:03:51Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z) - Learning Stereopsis from Geometric Synthesis for 6D Object Pose
Estimation [11.999630902627864]
現在のモノクラーベース6Dオブジェクトポーズ推定法は、一般的にRGBDベースの手法よりも競争力の低い結果が得られる。
本稿では,短いベースライン2ビュー設定による3次元幾何体積に基づくポーズ推定手法を提案する。
実験により,本手法は最先端の単分子法よりも優れ,異なる物体やシーンにおいて堅牢であることが示された。
論文 参考訳（メタデータ） (2021-09-25T02:55:05Z) - Learning Monocular Depth in Dynamic Scenes via Instance-Aware Projection
Consistency [114.02182755620784]
本稿では,複数の動的物体の6-DoF動作,エゴモーション,深度を,監督なしで一眼レフカメラで明示的にモデル化する,エンドツーエンドのジョイントトレーニングフレームワークを提案する。
筆者らのフレームワークは,最先端の深度・動き推定法より優れていた。
論文 参考訳（メタデータ） (2021-02-04T14:26:42Z) - Nothing But Geometric Constraints: A Model-Free Method for Articulated
Object Pose Estimation [89.82169646672872]
本稿では,ロボットアームの関節構成を,モデルに先入観を持たずにRGBまたはRGB-D画像のシーケンスから推定する,教師なし視覚ベースシステムを提案する。
我々は,古典幾何学的定式化と深層学習を組み合わせることで,この課題を解決するために,極性多剛体制約を拡張した。
論文 参考訳（メタデータ） (2020-11-30T20:46:48Z)
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。