論文の概要: Multigrid for Bundle Adjustment

• arxiv url: http://arxiv.org/abs/2007.01941v1
• Date: Fri, 3 Jul 2020 21:14:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 06:12:29.804679
• Title: Multigrid for Bundle Adjustment
• Title（参考訳）: バンドル調整用マルチグリッド
• Authors: Tristan Konolige, Jed Brown
• Abstract要約: 本稿では,既存手法のスケール不足を補うグローバルモードを正確に表現する,非平滑なアグリゲーション・マルチグリッドプレコンディショナーを提案する。 我々は、大規模で挑戦的な問題セットにおいて、最先端技術よりも最大13倍高速な解を実証する。
• 参考スコア（独自算出の注目度）: 0.456877715768796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bundle adjustment is an important global optimization step in many structure from motion pipelines. Performance is dependent on the speed of the linear solver used to compute steps towards the optimum. For large problems, the current state of the art scales superlinearly with the number of cameras in the problem. We investigate the conditioning of global bundle adjustment problems as the number of images increases in different regimes and fundamental consequences in terms of superlinear scaling of the current state of the art methods. We present an unsmoothed aggregation multigrid preconditioner that accurately represents the global modes that underlie poor scaling of existing methods and demonstrate solves of up to 13 times faster than the state of the art on large, challenging problem sets.
• Abstract（参考訳）: バンドル調整は、モーションパイプラインからの多くの構造において重要なグローバル最適化ステップである。 性能は最適化へのステップを計算するのに使用される線形ソルバの速度に依存する。 大きな問題に対して、現在の最先端技術は、問題のカメラの数とともに超直線的にスケールする。 本研究では,異なるレシエーションにおける画像数の増加に伴う大域的バンドル調整問題の条件付けと,工法の現状の超線形スケーリングによる根本的な結果について検討する。 本稿では,既存手法のスケールの悪さを裏付けるグローバルモードを正確に表現し,大規模で課題の多い問題集合の最先端技術よりも最大13倍高速に解法を実証するマルチグリッドプリコンディショナーを提案する。

関連論文リスト

• GlobalPointer: Large-Scale Plane Adjustment with Bi-Convex Relaxation [44.98626468432535]
  平面調整は多くの3次元アプリケーションにおいて重要であり、同時にポーズ推定と平面の回復を伴う。 我々はtextitBi-Convex Relaxation と呼ばれる新しい最適化戦略を利用して、元の問題を2つのより単純なサブプロブレムに分解する。 平面調整問題であるtextitGlobalPointer と textitGlobalPointer++ の2つのアルゴリズム変種を提案する。
  論文  参考訳（メタデータ） (2024-07-18T14:09:03Z)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Local-Global Transformer Enhanced Unfolding Network for Pan-sharpening [13.593522290577512]
  パンシャーピングは,低分解能マルチスペクトル (LrMS) 画像の空間分解能を,対応するパンクロマティック (PAN) 画像の誘導により向上することを目的としている。 深層学習(DL)に基づくパンシャーピング法は有望な性能を達成しているが、そのほとんどは2倍の欠損を有する。
  論文  参考訳（メタデータ） (2023-04-28T03:34:36Z)
• Towards Nonlinear-Motion-Aware and Occlusion-Robust Rolling Shutter Correction [54.00007868515432]
  既存の手法では、一様速度仮定による補正の精度を推定する上で、課題に直面している。 本稿では,個々の画素の高次補正場を正確に推定する,幾何的回転シャッター(QRS)運動解法を提案する。 提案手法は,Carla-RS,Fastec-RS,BS-RSCの各データセット上で,PSNRの+4.98,+0.77,+4.33を超える。
  論文  参考訳（メタデータ） (2023-03-31T15:09:18Z)
• Learning Globally Smooth Functions on Manifolds [94.22412028413102]
  スムーズな関数の学習は、線形モデルやカーネルモデルなどの単純なケースを除いて、一般的に難しい。 本研究は,半無限制約学習と多様体正規化の技法を組み合わせることで,これらの障害を克服することを提案する。 軽度条件下では、この手法は解のリプシッツ定数を推定し、副生成物として大域的に滑らかな解を学ぶ。
  論文  参考訳（メタデータ） (2022-10-01T15:45:35Z)
• Power Bundle Adjustment for Large-Scale 3D Reconstruction [47.08614319083826]
  本稿では,大規模バンドル調整問題に対する拡張型アルゴリズムとしてPower Bundle Adjustmentを導入する。 これは逆シュア補体のパワー級数展開に基づいており、逆展開法と呼ばれる新しい解の族を構成する。
  論文  参考訳（メタデータ） (2022-04-27T10:38:33Z)
• Accurate calibration of surround view camera systems from a generalization of the hand eye constraint [24.647212268968246]
  本稿では,外部モーションキャプチャシステムの可用性に依存する新しいソリューションを提案する。 我々のコアコントリビューションは、閉形式の多眼間問題を共同で解くハンドアイキャリブレーション問題の拡張から成り立っている。
  論文  参考訳（メタデータ） (2022-02-02T05:44:08Z)
• 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)
• GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal Black Box Constraint Satisfaction [69.94831587339539]
  本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。 我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
  論文  参考訳（メタデータ） (2020-02-17T20:21:20Z)

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。