論文の概要: Making Affine Correspondences Work in Camera Geometry Computation

• arxiv url: http://arxiv.org/abs/2007.10032v1
• Date: Mon, 20 Jul 2020 12:07:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 13:58:33.466745
• Title: Making Affine Correspondences Work in Camera Geometry Computation
• Title（参考訳）: カメラ幾何計算におけるアフィン対応の動作
• Authors: Daniel Barath, Michal Polic, Wolfgang F\"orstner, Torsten Sattler, Tomas Pajdla, Zuzana Kukelova
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 62.7633180470428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local features e.g. SIFT and its affine and learned variants provide region-to-region rather than point-to-point correspondences. This has recently been exploited to create new minimal solvers for classical problems such as homography, essential and fundamental matrix estimation. The main advantage of such solvers is that their sample size is smaller, e.g., only two instead of four matches are required to estimate a homography. Works proposing such solvers often claim a significant improvement in run-time thanks to fewer RANSAC iterations. We show that this argument is not valid in practice if the solvers are used naively. To overcome this, we propose guidelines for effective use of region-to-region matches in the course of a full model estimation pipeline. We propose a method for refining the local feature geometries by symmetric intensity-based matching, combine uncertainty propagation inside RANSAC with preemptive model verification, show a general scheme for computing uncertainty of minimal solvers results, and adapt the sample cheirality check for homography estimation. Our experiments show that affine solvers can achieve accuracy comparable to point-based solvers at faster run-times when following our guidelines. We make code available at https://github.com/danini/affine-correspondences-for-camera-geometry.
• Abstract（参考訳）: 局所的な特徴、例えばsiftとそのアフィンおよび学習された変種は、ポイント・ツー・ポイント対応ではなく、地域から地域への対応を提供する。 これは最近、ホモグラフィ、本質的および基本行列推定のような古典的問題に対する新しい最小解法を作成するために利用されている。 そのようなソルバの主な利点は、そのサンプルサイズが小さいことである。例えば、ホモグラフィを推定するには、4つのマッチではなく2つしかない。 このような解決方法を提案する作業は、RANSACのイテレーションが少ないため、実行時の大幅な改善を主張することが多い。 この議論は, 解決者が否定的に用いられる場合, 実際に有効ではないことを示す。 そこで本研究では,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。 対称強度に基づくマッチングによる局所特徴幾何学を精錬し,ransac内の不確実性伝播とプリエンプティブモデル検証を組み合わせる方法を提案し,最小解法結果の不確実性を計算するための一般的なスキームを示し,ホモグラフィ推定のためのサンプルキイロリティチェックを適用する。 実験の結果,アフィンソルバはガイドラインに従うと,より高速な実行で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わかった。 コードはhttps://github.com/danini/affine-correspondences-for-camera-geometryで利用可能です。

関連論文リスト

• Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
  乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。 本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。 提案手法の有効性を4つの標準ベンチマークで示す。
  論文  参考訳（メタデータ） (2024-07-10T16:51:32Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• DAC: Detector-Agnostic Spatial Covariances for Deep Local Features [11.494662473750505]
  現在の深部視覚特徴検出器は検出された特徴の空間的不確かさをモデル化していない。 本稿では,事前訓練したディープ特徴検出器に接続可能な2つのポストホック共分散推定法を提案する。
  論文  参考訳（メタデータ） (2023-05-20T17:43:09Z)
• Space-Partitioning RANSAC [30.255457622022487]
  RANSACモデルの品質計算を高速化する新しいアルゴリズムを提案する。 この方法は、例えば2D-2D点対応などの関節対応空間を2つの正則格子に分割することに基づいている。 RANSACの実行時間を41%削減するが、精度は確実に低下しない。
  論文  参考訳（メタデータ） (2021-11-24T10:10:04Z)
• Local AdaGrad-Type Algorithm for Stochastic Convex-Concave Minimax Problems [80.46370778277186]
  大規模凸凹型ミニマックス問題は、ゲーム理論、堅牢なトレーニング、生成的敵ネットワークのトレーニングなど、多くの応用で発生する。 通信効率のよい分散外グレードアルゴリズムであるLocalAdaSientを開発した。 サーバモデル。 等質な環境と異質な環境の両方において,その有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-18T09:42:05Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• HSolo: Homography from a single affine aware correspondence [0.0]
  Inlier-poor領域に特に適したホモグラフィー推定のための新しい手法を提案する。 特に低い不整合率では,新しいアルゴリズムにより劇的な性能向上が期待できる。
  論文  参考訳（メタデータ） (2020-09-10T17:13:23Z)
• Entropic gradient descent algorithms and wide flat minima [6.485776570966397]
  広い平坦領域に属する最小値に対応するベイズ最適点推定器が存在することを解析的に示す。 解析を広範囲な数値検証により深層学習シナリオに拡張する。 計算が容易な平坦度測定は、テスト精度と明確な相関を示す。
  論文  参考訳（メタデータ） (2020-06-14T13:22:19Z)
• Multi-View Optimization of Local Feature Geometry [70.18863787469805]
  本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。 提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。 本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2020-03-18T17:22:11Z)
• Robust Learning Rate Selection for Stochastic Optimization via Splitting Diagnostic [5.395127324484869]
  SplitSGDは最適化のための新しい動的学習スケジュールである。 本手法は,対象関数の局所的幾何への適応性を向上するために学習率を低下させる。 基本的には標準のSGDよりも計算コストがかかるわけではない。
  論文  参考訳（メタデータ） (2019-10-18T19:38:53Z)

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。