論文の概要: Smooth Deformation Field-based Mismatch Removal in Real-time
- arxiv url: http://arxiv.org/abs/2007.08553v1
- Date: Thu, 16 Jul 2020 18:20:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 00:01:52.819592
- Title: Smooth Deformation Field-based Mismatch Removal in Real-time
- Title（参考訳）: 動的変形場に基づくリアルタイムのミスマッチ除去
- Authors: Haoyin Zhou, Jagadeesan Jayender
- Abstract要約: 非剛性変形は、パラメトリック変換が見つからないため、ミスマッチの除去を困難にする。
再重み付けと1点RANSAC戦略(R1P-RNSC)に基づくアルゴリズムを提案する。
両アルゴリズムの組み合わせは,他の最先端手法と比較して精度が高いことを示す。
- 参考スコア（独自算出の注目度）: 10.181846237133167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the mismatch removal problem, which may serve as the
subsequent step of feature matching. Non-rigid deformation makes it difficult
to remove mismatches because no parametric transformation can be found. To
solve this problem, we first propose an algorithm based on the re-weighting and
1-point RANSAC strategy (R1P-RNSC), which is a parametric method under a
reasonable assumption that the non-rigid deformation can be approximately
represented by multiple locally rigid transformations. R1P-RNSC is fast but
suffers from a drawback that the local smoothing information cannot be taken
into account. Then, we propose a non-parametric algorithm based on the
expectation maximization algorithm and dual quaternion (EMDQ) representation to
generate the smooth deformation field. The two algorithms compensate for the
drawbacks of each other. Specifically, EMDQ needs good initial values provided
by R1P-RNSC, and R1P-RNSC needs EMDQ for refinement. Experimental results with
real-world data demonstrate that the combination of the two algorithms has the
best accuracy compared to other state-of-the-art methods, which can handle up
to 85% of outliers in real-time. The ability to generate dense deformation
field from sparse matches with outliers in real-time makes the proposed
algorithms have many potential applications, such as non-rigid registration and
SLAM.
- Abstract（参考訳）: 本稿では,機能マッチングの次のステップとなる不一致除去問題について検討する。
非剛性変形はパラメトリック変換が見られないため、ミスマッチの除去が困難である。
この問題を解決するために,我々はまず,非剛性変形を複数の局所的剛性変換で概略表現できるという合理的な仮定の下でパラメトリック手法である再重み付けと1点RANSAC戦略(R1P-RNSC)に基づくアルゴリズムを提案する。
R1P-RNSCは高速であるが、局所的な平滑化情報を考慮できないという欠点に悩む。
次に,予測最大化アルゴリズムと2重四元数表現(EMDQ)に基づく非パラメトリックアルゴリズムを提案し,滑らかな変形場を生成する。
2つのアルゴリズムは互いに欠点を補う。
具体的には、EMDQはR1P-RNSCによって提供される優れた初期値を必要とし、R1P-RNSCは改良のためにEMDQを必要とする。
実世界のデータによる実験結果から、この2つのアルゴリズムの組み合わせは、他の最先端手法と比較して最も精度が高いことが示される。
非剛性登録やSLAMなど多くの潜在的な応用が提案されている。
関連論文リスト
- Variable Substitution and Bilinear Programming for Aligning Partially Overlapping Point Sets [48.1015832267945]
本研究では,RPMアルゴリズムの最小化目的関数を用いて要求を満たす手法を提案する。
分岐とバウンド(BnB)アルゴリズムが考案され、パラメータのみに分岐し、収束率を高める。
実験による評価は,非剛性変形,位置雑音,外れ値に対する提案手法の高剛性を示す。
論文 参考訳（メタデータ） (2024-05-14T13:28:57Z) - Stochastic Optimization for Non-convex Problem with Inexact Hessian
Matrix, Gradient, and Function [99.31457740916815]
信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。
TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
論文 参考訳（メタデータ） (2023-10-18T10:29:58Z) - Fast and Robust Non-Rigid Registration Using Accelerated
Majorization-Minimization [35.66014845211251]
非剛性登録は、ターゲット形状と整合する非剛性な方法でソース形状を変形させるが、コンピュータビジョンにおける古典的な問題である。
既存のメソッドは通常$ell_p$型ロバストノルムを使用してアライメントエラーを測定し、変形の滑らかさを規則化する。
本稿では、アライメントと正規化のためのグローバルなスムーズなロバストノルムに基づく、ロバストな非剛体登録のための定式化を提案する。
論文 参考訳（メタデータ） (2022-06-07T16:00:33Z) - Single-Timescale Stochastic Nonconvex-Concave Optimization for Smooth
Nonlinear TD Learning [145.54544979467872]
本稿では,各ステップごとに1つのデータポイントしか必要としない2つの単一スケールシングルループアルゴリズムを提案する。
本研究の結果は, 同時一次および二重側収束の形で表される。
論文 参考訳（メタデータ） (2020-08-23T20:36:49Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z) - Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。
この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。
古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文 参考訳（メタデータ） (2020-07-01T18:43:32Z) - Quasi-Newton Solver for Robust Non-Rigid Registration [35.66014845211251]
データフィッティングと正規化のための大域的スムーズなロバスト推定器に基づくロバストな非剛性登録のための定式化を提案する。
本稿では,L-BFGS を用いた最小二乗問題の解法に,各繰り返しを減らし,最大化最小化アルゴリズムを適用した。
論文 参考訳（メタデータ） (2020-04-09T01:45:05Z) - Second-Order Guarantees in Centralized, Federated and Decentralized
Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。
いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。
これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文 参考訳（メタデータ） (2020-03-31T16:54:22Z) - Semi-analytic approximate stability selection for correlated data in
generalized linear models [3.42658286826597]
そこで本研究では,繰り返しのフィッティングを行なわずに安定選択を行うことのできる,新しい近似推論アルゴリズムを提案する。
このアルゴリズムは,情報理論の統計力学とベクトル近似メッセージパッシングの複製法に基づく。
数値実験により, このアルゴリズムは, 合成データと実世界のデータの両方に対して, 高速収束と高い近似精度を示すことを示した。
論文 参考訳（メタデータ） (2020-03-19T10:43:12Z)
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。