論文の概要: VALUE: Large Scale Voting-based Automatic Labelling for Urban
Environments
- arxiv url: http://arxiv.org/abs/2006.03492v1
- Date: Fri, 5 Jun 2020 14:47:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 03:44:12.343005
- Title: VALUE: Large Scale Voting-based Automatic Labelling for Urban
Environments
- Title(参考訳): 価値:大規模投票に基づく都市環境の自動ラベリング
- Authors: Giacomo Dabisias, Emanuele Ruffaldi, Hugo Grimmett, Peter Ondruska
- Abstract要約: 本稿では,大規模都市環境における静的3次元物体の自動位置決めのための簡易かつロバストな手法を提案する。
ノイズが多いが精度の高い2次元画像データをマージする可能性を利用して、回収した3次元情報の堅牢性と精度の両面において、優れた性能を実現する。
- 参考スコア(独自算出の注目度): 5.218882272051637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a simple and robust method for the automatic localisation
of static 3D objects in large-scale urban environments. By exploiting the
potential to merge a large volume of noisy but accurately localised 2D image
data, we achieve superior performance in terms of both robustness and accuracy
of the recovered 3D information. The method is based on a simple distributed
voting schema which can be fully distributed and parallelised to scale to
large-scale scenarios. To evaluate the method we collected city-scale data sets
from New York City and San Francisco consisting of almost 400k images spanning
the area of 40 km$^2$ and used it to accurately recover the 3D positions of
traffic lights. We demonstrate a robust performance and also show that the
solution improves in quality over time as the amount of data increases.
- Abstract(参考訳): 本稿では,大規模都市環境における静的3次元物体の自動位置決め手法を提案する。
ノイズが多いが精度の高い2次元画像データをマージする可能性を利用して、回収した3次元情報の堅牢性と精度の両面で優れた性能を実現する。
この方法は,大規模シナリオにスケールするために,完全に分散して並列化可能な,シンプルな分散投票スキーマに基づいている。
この方法を評価するために、ニューヨーク市とサンフランシスコから40 km$^2$の面積にまたがる約400kの画像を収集し、交通信号の3d位置を正確に復元するために使用した。
我々は,ロバストな性能を示すとともに,データ量の増加に伴ってソリューションの品質が向上することを示す。
関連論文リスト
- Volumetric Semantically Consistent 3D Panoptic Mapping [84.2638617094967]
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) - High Quality Large-Scale 3-D Urban Mapping with Multi-Master TomoSAR [18.7734351067417]
本研究は,超小型スタックで動作する新しいSARトモグラフィ処理フレームワークを提案する。
相対的な高さの精度は2メートル以内であり、TandEM-Xの生のDEMより優れている。
論文 参考訳(メタデータ) (2023-05-08T08:29:21Z) - SketchSampler: Sketch-based 3D Reconstruction via View-dependent Depth
Sampling [75.957103837167]
1枚のスケッチ画像に基づいて3次元形状を再構成することは、スパースで不規則なスケッチと正規の高密度な3次元形状との間に大きな領域ギャップがあるため困難である。
既存の作品では、3D座標を直接予測するためにスケッチから抽出されたグローバルな特徴を活用しようとするが、通常は入力スケッチに忠実でない細部を失う。
論文 参考訳(メタデータ) (2022-08-14T16:37:51Z) - Vision-based Large-scale 3D Semantic Mapping for Autonomous Driving
Applications [53.553924052102126]
ステレオカメラシステムのみに基づく3次元セマンティックマッピングのための完全なパイプラインを提案する。
パイプラインは、直接視覚的オドメトリーのフロントエンドと、グローバルな時間統合のためのバックエンドで構成されている。
本稿では,3次元点ラベルの品質と一貫性を向上する,単純だが効果的な投票方式を提案する。
論文 参考訳(メタデータ) (2022-03-02T13:18:38Z) - Towards 3D Scene Reconstruction from Locally Scale-Aligned Monocular
Video Depth [90.33296913575818]
映像深度推定や映像からの3次元シーン再構成のようなビデオベースのシナリオでは、フレームごとの予測における未知のスケールとシフトが深度の不整合を引き起こす可能性がある。
局所重み付き線形回帰法を提案する。
提案手法は,複数のゼロショットベンチマークにおいて,既存の最先端手法の性能を50%向上させることができる。
論文 参考訳(メタデータ) (2022-02-03T08:52:54Z) - Gaussian map predictions for 3D surface feature localisation and
counting [5.634825161148484]
本稿では,3次元表面特徴量と正確な位置を推定するためにガウス写像表現を用いることを提案する。
本手法を2次元形状表現に投影可能な物体の3次元球面クラスに適用する。
本手法を,果実品質指標として用いたイチゴアチェインの表現法として実用的に利用した。
論文 参考訳(メタデータ) (2021-12-07T14:43:14Z) - RADU: Ray-Aligned Depth Update Convolutions for ToF Data Denoising [8.142947808507369]
マルチパス干渉(MPI)による高レベルのノイズ・歪みを受ける飛行時間(ToF)カメラ
本稿では,3次元点の畳み込みにより視点方向に沿った点の位置を補正し,2.5次元データから学習するように設計した,3次元空間で動作する反復的 denoising アプローチを提案する。
本稿では,2つの実世界データセットと大規模合成データセットを含む,複数のデータセット上でSOTA法より優れていることを示す。
論文 参考訳(メタデータ) (2021-11-30T15:53:28Z) - 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) - Real-time Image Enhancer via Learnable Spatial-aware 3D Lookup Tables [12.4260963890153]
学習可能な空間認識型3次元ルックアップテーブル(LUT)による新しいリアルタイム画像強調器を提案する。
空間認識型3D LUTを学習し、上記の重みに応じてエンドツーエンドに融合する。
我々のモデルは、主観的かつ客観的に、公開データセット上でSOTA画像強調法より優れている。
論文 参考訳(メタデータ) (2021-08-19T14:04:59Z) - Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled
Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。
我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。
アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文 参考訳(メタデータ) (2020-04-05T12:52:29Z) - Weakly-Supervised 3D Human Pose Learning via Multi-view Images in the
Wild [101.70320427145388]
本稿では、3Dアノテーションを必要としない弱教師付きアプローチを提案し、ラベルのないマルチビューデータから3Dポーズを推定する。
提案手法を2つの大規模データセット上で評価する。
論文 参考訳(メタデータ) (2020-03-17T08:47:16Z)
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。