論文の概要: EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association

• arxiv url: http://arxiv.org/abs/2004.12730v2
• Date: Wed, 29 Jul 2020 07:36:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 05:58:43.661310
• Title: EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association
• Title（参考訳）: EAO-SLAM:アンサンブルデータアソシエーションに基づく単分子半次元オブジェクトSLAM
• Authors: Yanmin Wu, Yunzhou Zhang, Delong Zhu, Yonghui Feng, Sonya Coleman and Dermot Kerr
• Abstract要約: パラメトリックおよび非パラメトリック統計テストを統合するためのアンサンブルデータアソシエイト戦略を提案する。 そこで我々は,アウトリーズ・ロスト・センタロイドとスケール推定アルゴリズムを開発した,正確なオブジェクトポーズ推定フレームワークを提案する。 モノクロカメラを用いた半高精細もしくは軽量なオブジェクト指向マップを作成できるSLAMシステムを構築した。
• 参考スコア（独自算出の注目度）: 13.066862774833867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object-level data association and pose estimation play a fundamental role in semantic SLAM, which remain unsolved due to the lack of robust and accurate algorithms. In this work, we propose an ensemble data associate strategy for integrating the parametric and nonparametric statistic tests. By exploiting the nature of different statistics, our method can effectively aggregate the information of different measurements, and thus significantly improve the robustness and accuracy of data association. We then present an accurate object pose estimation framework, in which an outliers-robust centroid and scale estimation algorithm and an object pose initialization algorithm are developed to help improve the optimality of pose estimation results. Furthermore, we build a SLAM system that can generate semi-dense or lightweight object-oriented maps with a monocular camera. Extensive experiments are conducted on three publicly available datasets and a real scenario. The results show that our approach significantly outperforms state-of-the-art techniques in accuracy and robustness. The source code is available on: https://github.com/yanmin-wu/EAO-SLAM.
• Abstract（参考訳）: オブジェクトレベルのデータアソシエーションとポーズ推定は、堅牢で正確なアルゴリズムがないために未解決のままであるセマンティックSLAMにおいて、基本的な役割を果たす。 本研究では,パラメトリックおよび非パラメトリック統計テストを統合するためのアンサンブルデータアソシエイト戦略を提案する。 本手法は, 異なる統計特性を生かして, 異なる測定値の情報を効果的に集約し, データのロバスト性や精度を大幅に向上させることができる。 そこで本研究では, 提案手法を用いて, 推定結果の最適性を向上させるために, アウトリアーズロバスト・センタロイド・スケール推定アルゴリズムとオブジェクトポーズ初期化アルゴリズムを開発した, 高精度な物体ポーズ推定フレームワークを提案する。 さらに,モノクラーカメラを用いた半高密度あるいは軽量なオブジェクト指向マップを作成できるSLAMシステムを構築した。 大規模な実験は3つの公開データセットと実際のシナリオで実施されている。 その結果,本手法は精度とロバスト性において最先端技術よりも優れていた。 ソースコードはhttps://github.com/yanmin-wu/eao-slam。

関連論文リスト

• A Weighted K-Center Algorithm for Data Subset Selection [70.49696246526199]
  サブセット選択は、トレーニングデータの小さな部分を特定する上で重要な役割を果たす、基本的な問題である。 我々は,k中心および不確かさサンプリング目的関数の重み付け和に基づいて,サブセットを計算する新しい係数3近似アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-12-17T04:41:07Z)
• Surprisal Driven $k$-NN for Robust and Interpretable Nonparametric Learning [1.4293924404819704]
  我々は情報理論の観点から、隣り合う従来のアルゴリズムに新たな光を当てた。 単一モデルを用いた分類,回帰,密度推定,異常検出などのタスクに対する頑健で解釈可能なフレームワークを提案する。 我々の研究は、分類と異常検出における最先端の成果を達成することによって、アーキテクチャの汎用性を示す。
  論文  参考訳（メタデータ） (2023-11-17T00:35:38Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Variable Importance Matching for Causal Inference [73.25504313552516]
  これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。 Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。 LASSO を用いて Model-to-Match フレームワークを運用する。
  論文  参考訳（メタデータ） (2023-02-23T00:43:03Z)
• Deep Active Ensemble Sampling For Image Classification [8.31483061185317]
  アクティブラーニングフレームワークは、最も有益なデータポイントのラベル付けを積極的に要求することで、データアノテーションのコストを削減することを目的としている。 提案手法には、不確実性に基づく手法、幾何学的手法、不確実性に基づく手法と幾何学的手法の暗黙の組み合わせなどがある。 本稿では, サンプル選択戦略における効率的な探索・探索トレードオフを実現するために, 不確実性に基づくフレームワークと幾何学的フレームワークの両方の最近の進歩を革新的に統合する。 本フレームワークは,(1)正確な後続推定,(2)計算オーバーヘッドと高い精度のトレードオフの2つの利点を提供する。
  論文  参考訳（メタデータ） (2022-10-11T20:20:20Z)
• An Instance Selection Algorithm for Big Data in High imbalanced datasets based on LSH [0.0]
  機械学習モデルを実環境で訓練することは、しばしば、関心のクラスが表現されていないビッグデータや不均衡なサンプルを扱う。 本研究は,大規模かつ不均衡なデータセットを扱うために,例選択(IS)という3つの新しい手法を提案する。 アルゴリズムはApache Sparkフレームワークで開発され、スケーラビリティが保証された。
  論文  参考訳（メタデータ） (2022-10-09T17:38:41Z)
• Another Use of SMOTE for Interpretable Data Collaboration Analysis [8.143750358586072]
  データコラボレーション(DC)分析は、複数の機関にわたるプライバシー保護統合分析のために開発された。 本研究では,データ漏洩のリスクを増大させることなく,認識性能を向上させるアンカーデータ構築手法を提案する。
  論文  参考訳（メタデータ） (2022-08-26T06:39:13Z)
• 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)
• SemCal: Semantic LiDAR-Camera Calibration using Neural MutualInformation Estimator [7.478076599395811]
  SemCal(セムカル)は、セマンティック情報を用いたLiDARおよびカメラシステムのための自動的、ターゲットレス、外部キャリブレーションアルゴリズムである。 本研究では,各センサ計測から抽出した意味情報の相互情報(MI)を推定するために,ニューラル情報推定器を利用する。
  論文  参考訳（メタデータ） (2021-09-21T15:51:24Z)
• Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
  任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。 提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
  論文  参考訳（メタデータ） (2021-05-23T19:21:55Z)
• Pairwise Similarity Knowledge Transfer for Weakly Supervised Object Localization [53.99850033746663]
  弱教師付き画像ラベルを持つ対象クラスにおける局所化モデル学習の問題点について検討する。 本研究では,対象関数のみの学習は知識伝達の弱い形態であると主張する。 COCOおよびILSVRC 2013検出データセットの実験では、ペアワイズ類似度関数を含むことにより、ローカライズモデルの性能が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2020-03-18T17:53:33Z)

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。