論文の概要: AdaLAM: Revisiting Handcrafted Outlier Detection

• arxiv url: http://arxiv.org/abs/2006.04250v1
• Date: Sun, 7 Jun 2020 20:16:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 08:22:42.666447
• Title: AdaLAM: Revisiting Handcrafted Outlier Detection
• Title（参考訳）: AdaLAM:手作りの異常検知を再開
• Authors: Luca Cavalli, Viktor Larsson, Martin Ralf Oswald, Torsten Sattler, Marc Pollefeys
• Abstract要約: ローカルな特徴マッチングは多くのコンピュータビジョンパイプラインの重要なコンポーネントである。 本稿では,AdaLAMに繋がる新しいアイデアを統合するとともに,有効外乱検出のための階層パイプラインを提案する。 AdaLAMは、現代の並列ハードウェアを効果的に活用するために設計されており、非常に高速で、しかも非常に正確で、外れやすいフィルタとなっている。
• 参考スコア（独自算出の注目度）: 106.38441616109716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local feature matching is a critical component of many computer vision pipelines, including among others Structure-from-Motion, SLAM, and Visual Localization. However, due to limitations in the descriptors, raw matches are often contaminated by a majority of outliers. As a result, outlier detection is a fundamental problem in computer vision, and a wide range of approaches have been proposed over the last decades. In this paper we revisit handcrafted approaches to outlier filtering. Based on best practices, we propose a hierarchical pipeline for effective outlier detection as well as integrate novel ideas which in sum lead to AdaLAM, an efficient and competitive approach to outlier rejection. AdaLAM is designed to effectively exploit modern parallel hardware, resulting in a very fast, yet very accurate, outlier filter. We validate AdaLAM on multiple large and diverse datasets, and we submit to the Image Matching Challenge (CVPR2020), obtaining competitive results with simple baseline descriptors. We show that AdaLAM is more than competitive to current state of the art, both in terms of efficiency and effectiveness.
• Abstract（参考訳）: ローカル機能マッチングは、Structure-from-Motion、SLAM、Visual Localizationなど、多くのコンピュータビジョンパイプラインの重要なコンポーネントである。 しかし、ディスクリプタの制限のため、生のマッチはしばしば多くの異常者によって汚染される。 その結果、コンピュータビジョンにおける異常検出は根本的な問題であり、過去数十年にわたって幅広いアプローチが提案されてきた。 本稿では,外乱フィルタに対する手作り手法を再検討する。 ベストプラクティスに基づいて, 効果的な外乱検出のための階層パイプラインを提案し, 総じて外乱検出のための効率的かつ競争的なアプローチである AdaLAM につながる新しいアイデアを統合する。 AdaLAMは、現代の並列ハードウェアを効果的に活用するために設計されており、非常に高速で、しかも非常に正確で、外れやすいフィルタとなる。 我々は,大規模かつ多様なデータセット上で adalam を検証し,画像マッチングチャレンジ (cvpr2020) に参加し,単純なベースライン記述子で競合結果を得る。 AdaLAMは, 効率と有効性の両方の観点から, 現在の最先端技術と競合していることを示す。

関連論文リスト

• Regularized Contrastive Partial Multi-view Outlier Detection [76.77036536484114]
  RCPMOD(Regularized Contrastive partial Multi-view Outlier Detection)と呼ばれる新しい手法を提案する。 このフレームワークでは、コントラスト学習を利用して、ビュー一貫性のある情報を学び、一貫性の度合いでアウトレイラを識別する。 4つのベンチマークデータセットによる実験結果から,提案手法が最先端の競合より優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-02T14:34:27Z)
• Efficient Generation of Hidden Outliers for Improved Outlier Detection [4.103281325880475]
  外乱生成は重要な外乱検出タスクを解くのによく使われる手法である。 既存の手法は、高次元空間における外れ値の「多重ビュー」の性質を無視する。 本稿では,その特性を模倣した現実的な外れ値を生成する新しい外れ値生成手法であるBISECTを提案する。
  論文  参考訳（メタデータ） (2024-02-06T09:48:33Z)
• Interactive Graph Convolutional Filtering [79.34979767405979]
  インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。 これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。 既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。 提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
  論文  参考訳（メタデータ） (2023-09-04T09:02:31Z)
• Are we really making much progress in unsupervised graph outlier detection? Revisiting the problem with new insight and superior method [36.72922385614812]
  UNODは、グラフにおける典型的な2種類の外れ値(構造外値と文脈外値)の検出に重点を置いている。 最も広く使われているアウトリー・インジェクションのアプローチは、深刻なデータ漏洩問題であることがわかった。 本稿では,分散モデルと属性再構成モデルを組み合わせた分散グラフ外乱検出(VGOD)手法を提案する。
  論文  参考訳（メタデータ） (2022-10-24T04:09:35Z)
• IPOF: An Extremely and Excitingly Simple Outlier Detection Booster via Infinite Propagation [30.91911545889579]
  外部検出は、データマイニング分野で最も人気があり、継続的に増えているトピックの1つである。 本稿では,スコアに基づく外れ値検出カテゴリについて考察し,現在の外れ値検出アルゴリズムの性能は,スコア伝搬によってさらに向上する可能性があることを指摘する。 具体的には、無限伝播による極端かつエキサイティングに単純な外乱検出ブースターであるiPOFアルゴリズムの無限伝播を提案する。
  論文  参考訳（メタデータ） (2021-08-01T03:48:09Z)
• Efficient Large Scale Inlier Voting for Geometric Vision Problems [3.1231364554255636]
  コンピュータビジョンにおける多くの応用において、アウター・リジェクション(英語版)と等価に不整集合最適化(英語版)が重要な要素である。 我々は、$Rd$の「交差」$k$次元曲面に基づいて、外周拒絶に対する効率的で一般的なアルゴリズムを提案する。 本手法は, 複数枚のカメラにおいて, 多数の一致が低い不整合比で発生する問題に対するアプローチの汎用性を示す。
  論文  参考訳（メタデータ） (2021-07-25T14:13:07Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• Multi-scale Interactive Network for Salient Object Detection [91.43066633305662]
  本稿では,隣接レベルからの機能を統合するためのアグリゲート・インタラクション・モジュールを提案する。 より効率的なマルチスケール機能を得るために、各デコーダユニットに自己相互作用モジュールを埋め込む。 5つのベンチマークデータセットによる実験結果から,提案手法は後処理を一切行わず,23の最先端手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2020-07-17T15:41:37Z)
• Equalization Loss for Long-Tailed Object Recognition [109.91045951333835]
  最先端のオブジェクト検出手法は、大きな語彙と長い尾を持つデータセットでは依然として不十分である。 そこで本稿では,長期的希少なカテゴリーの課題に対処するために,同化損失という,シンプルだが効果的な損失を提案する。 LVISベンチマークでは,レアおよび共通カテゴリのAP利得が4.1%,レアおよび共通カテゴリが4.8%である。
  論文  参考訳（メタデータ） (2020-03-11T09:14:53Z)

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。