論文の概要: Robust Motion Averaging under Maximum Correntropy Criterion
- arxiv url: http://arxiv.org/abs/2004.09829v2
- Date: Sun, 10 May 2020 09:07:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 07:04:49.030673
- Title: Robust Motion Averaging under Maximum Correntropy Criterion
- Title（参考訳）: 最大コレントロピー条件下でのロバスト運動平均
- Authors: Jihua Zhu, Jie Hu, Huimin Lu, Badong Chen, Zhongyu Li
- Abstract要約: 本稿では, 最大コレントロピー基準(MCC)に基づく新しいロバストな動き平均化手法を提案する。
特に、コレントロピー測度は、フロベニウスのノルム誤差を利用して、外れ値に対する平均運動のロバスト性を改善するために用いられる。
ベンチマークデータセットを用いた実験結果から,マルチビュー登録における精度とロバスト性に優れた性能を示した。
- 参考スコア（独自算出の注目度）: 45.338896018341146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, the motion averaging method has been introduced as an effective
means to solve the multi-view registration problem. This method aims to recover
global motions from a set of relative motions, where the original method is
sensitive to outliers due to using the Frobenius norm error in the
optimization. Accordingly, this paper proposes a novel robust motion averaging
method based on the maximum correntropy criterion (MCC). Specifically, the
correntropy measure is used instead of utilizing Frobenius norm error to
improve the robustness of motion averaging against outliers. According to the
half-quadratic technique, the correntropy measure based optimization problem
can be solved by the alternating minimization procedure, which includes
operations of weight assignment and weighted motion averaging. Further, we
design a selection strategy of adaptive kernel width to take advantage of
correntropy. Experimental results on benchmark data sets illustrate that the
new method has superior performance on accuracy and robustness for multi-view
registration.
- Abstract（参考訳）: 近年,マルチビュー登録問題を解決する手段として,動き平均化手法が提案されている。
本手法は, 最適化においてフロベニウス標準誤差を用いることにより, 元の手法が外れ値に敏感な一連の相対運動から大域運動を復元することを目的とする。
そこで本稿では, 最大コレントロピー基準(MCC)に基づく新しいロバストな動き平均化手法を提案する。
特に、コレントロピー測度はフロベニウスノルム誤差を利用して外れ値に対する平均運動のロバスト性を改善する代わりに用いられる。
半曲面法によれば、重みの割当と重み付け運動平均化の操作を含む交互最小化手順によって、コレントロピー測度に基づく最適化問題を解決できる。
さらに,コレントロピーを利用するため,適応的なカーネル幅の選択戦略を設計する。
ベンチマークデータセットにおける実験結果は,マルチビュー登録の精度とロバスト性に優れることを示す。
関連論文リスト
- SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - Dynamic Anisotropic Smoothing for Noisy Derivative-Free Optimization [0.0]
雑音のない微分自由最適化のための球平滑化法とガウス平滑化法を拡張した新しいアルゴリズムを提案する。
アルゴリズムはスムーズなカーネルの形状を動的に適応させ、局所最適関数の Hessian を近似する。
論文 参考訳（メタデータ） (2024-05-02T21:04:20Z) - Robust Motion Averaging for Multi-view Registration of Point Sets Based
Maximum Correntropy Criterion [4.318555434063273]
ラプラシアンカーネルを用いた最大コレントロピー基準(LMCC)を用いたマルチビュー登録のための新しい動き平均化フレームワークを提案する。
本手法は, 効率, 精度, 堅牢性において優れた性能を実現する。
論文 参考訳（メタデータ） (2022-08-24T06:49:43Z) - An Adaptive Incremental Gradient Method With Support for Non-Euclidean
Norms [19.41328109094503]
そこで本研究では,SAGAアルゴリズムの適応型を新たにいくつか提案し,解析する。
一般的な設定の下で収束保証を確立する。
我々は、非ユークリッドノルムをサポートするためにSAGAの分析を改善した。
論文 参考訳（メタデータ） (2022-04-28T09:43:07Z) - Implicit Rate-Constrained Optimization of Non-decomposable Objectives [37.43791617018009]
機械学習における制約付き最適化問題の一家系を考察する。
我々のキーとなる考え方は、閾値パラメータをモデルパラメータの関数として表現するレート制約のある最適化を定式化することである。
本稿では, 標準勾配法を用いて, 結果の最適化問題を解く方法を示す。
論文 参考訳（メタデータ） (2021-07-23T00:04:39Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Robust, Accurate Stochastic Optimization for Variational Inference [68.83746081733464]
また, 共通最適化手法は, 問題が適度に大きい場合, 変分近似の精度が低下することを示した。
これらの結果から,基礎となるアルゴリズムをマルコフ連鎖の生成とみなして,より堅牢で正確な最適化フレームワークを開発する。
論文 参考訳（メタデータ） (2020-09-01T19:12:11Z) - IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。
提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。
加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文 参考訳（メタデータ） (2020-06-11T18:49:06Z) - Sparse recovery by reduced variance stochastic approximation [5.672132510411465]
雑音観測によるスパース信号回復問題に対する反復2次最適化ルーチンの適用について論じる。
本稿では,Median-of-Meansのような手法を用いて,対応するソリューションの信頼性を向上する方法について述べる。
論文 参考訳（メタデータ） (2020-06-11T12:31:20Z) - Effective Dimension Adaptive Sketching Methods for Faster Regularized
Least-Squares Optimization [56.05635751529922]
スケッチに基づくL2正規化最小二乗問題の解法を提案する。
我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
論文 参考訳（メタデータ） (2020-06-10T15:00:09Z)
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。