論文の概要: Relative Pose from Deep Learned Depth and a Single Affine Correspondence

• arxiv url: http://arxiv.org/abs/2007.10082v1
• Date: Mon, 20 Jul 2020 13:24:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 14:08:50.857136
• Title: Relative Pose from Deep Learned Depth and a Single Affine Correspondence
• Title（参考訳）: 深層学習深度からの相対詩と単一アフィン対応
• Authors: Ivan Eichhardt, Daniel Barath
• Abstract要約: 本研究では, 深層学習した非メトリック単分子深度とアフィン対応性を組み合わせた新しいアプローチを提案する。 奥行き情報とアフィンの特徴を考慮すると、カメラポーズに対する2つの新しい制約が導出される。 提案した解法は1点RANSACアプローチで利用可能である。
• 参考スコア（独自算出の注目度）: 37.04516812025321
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a new approach for combining deep-learned non-metric monocular depth with affine correspondences (ACs) to estimate the relative pose of two calibrated cameras from a single correspondence. Considering the depth information and affine features, two new constraints on the camera pose are derived. The proposed solver is usable within 1-point RANSAC approaches. Thus, the processing time of the robust estimation is linear in the number of correspondences and, therefore, orders of magnitude faster than by using traditional approaches. The proposed 1AC+D solver is tested both on synthetic data and on 110395 publicly available real image pairs where we used an off-the-shelf monocular depth network to provide up-to-scale depth per pixel. The proposed 1AC+D leads to similar accuracy as traditional approaches while being significantly faster. When solving large-scale problems, e.g., pose-graph initialization for Structure-from-Motion (SfM) pipelines, the overhead of obtaining ACs and monocular depth is negligible compared to the speed-up gained in the pairwise geometric verification, i.e., relative pose estimation. This is demonstrated on scenes from the 1DSfM dataset using a state-of-the-art global SfM algorithm. Source code: https://github.com/eivan/one-ac-pose
• Abstract（参考訳）: そこで本研究では,2つのキャリブレーションカメラの相対姿勢を単一の対応から推定するために,奥行き非メトリック単眼深度とアフィン対応(acs)を組み合わせた新しいアプローチを提案する。 深度情報とアフィンの特徴を考慮すると、カメラのポーズに関する2つの新しい制約が導かれる。 提案手法は1点RANSACアプローチで利用可能である。 したがって、ロバスト推定の処理時間は対応数において線形であり、従来の手法よりも桁違いに高速である。 提案した1AC+Dソルバは、合成データと110395個の公開画像ペアの両方でテストされる。 提案された1AC+Dは従来のアプローチと同様の精度で、より高速である。 例えば、Structure-from-Motion (SfM)パイプラインのポーズグラフ初期化のような大規模な問題を解決するとき、ACとモノクル深さを得るオーバーヘッドは、ペアの幾何的検証で得られるスピードアップ、すなわち相対的なポーズ推定よりも無視できる。 これは、最先端のグローバルSfMアルゴリズムを用いて、1DSfMデータセットのシーンで実証される。 ソースコード: https://github.com/eivan/one-ac-pose

関連論文リスト

• A Construct-Optimize Approach to Sparse View Synthesis without Camera Pose [44.13819148680788]
  カメラポーズを伴わないスパースビュー合成のための新しい構成と最適化手法を開発した。 具体的には、単分子深度と画素を3次元の世界に投影することで、解を構築する。 タンク・アンド・テンプル・アンド・スタティック・ハイクスのデータセットに3つの広い範囲のビューで結果を示す。
  論文  参考訳（メタデータ） (2024-05-06T17:36:44Z)
• DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
  現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。 本稿では,DVMNet(Deep Voxel Matching Network)を提案する。 提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• Affine Correspondences between Multi-Camera Systems for Relative Pose Estimation [11.282703971318934]
  2つのアフィン対応(AC)を用いたマルチカメラシステムの相対ポーズを計算する新しい手法を提案する。 本稿では,ACsを用いた6DOF相対ポーズ推定問題により,最小解が実現可能であることを示す。 仮想および実マルチカメラシステムの実験により、提案手法は最先端のアルゴリズムよりも効率的であることが証明された。
  論文  参考訳（メタデータ） (2023-06-22T15:52:48Z)
• Single Image Depth Prediction Made Better: A Multivariate Gaussian Take [163.14849753700682]
  本稿では,画素ごとの深度を連続的にモデル化する手法を提案する。 提案手法の精度(MG)は,KITTI深度予測ベンチマークリーダーボードの上位に位置する。
  論文  参考訳（メタデータ） (2023-03-31T16:01:03Z)
• Deep Two-View Structure-from-Motion Revisited [83.93809929963969]
  2次元構造移動(SfM)は3次元再構成と視覚SLAMの基礎となる。 古典パイプラインの適切性を活用することで,深部2視点sfmの問題を再検討することを提案する。 本手法は,1)2つのフレーム間の密対応を予測する光フロー推定ネットワーク,2)2次元光フロー対応から相対カメラポーズを計算する正規化ポーズ推定モジュール,3)エピポーラ幾何を利用して探索空間を縮小し,密対応を洗練し,相対深度マップを推定するスケール不変深さ推定ネットワークからなる。
  論文  参考訳（メタデータ） (2021-04-01T15:31:20Z)
• Monocular Depth Parameterizing Networks [15.791732557395552]
  実現可能な形状を持つ深度マップの集合のパラメータ化を提供するネットワーク構造を提案する。 これにより、他の画像に関して、写真に一貫性のあるソリューションの形状を検索できる。 実験により,本手法はより正確な深度マップを生成し,競合する最先端手法よりも一般化することを示す。
  論文  参考訳（メタデータ） (2020-12-21T13:02:41Z)
• Robust Consistent Video Depth Estimation [65.53308117778361]
  本稿では,単眼映像からカメラのカメラポーズと密集した深度マップを推定するアルゴリズムを提案する。 本手法は,(1)低周波大規模アライメントのためのフレキシブルな変形-スプラインと(2)細部奥行き詳細の高周波アライメントのための幾何認識深度フィルタリングとを組み合わせた手法である。 従来の手法とは対照的に, カメラのポーズを入力として必要とせず, かなりの音量, 揺動, 動きのぼやき, 転がりシャッター変形を含む携帯のハンドヘルドキャプチャに頑健な再構成を実現する。
  論文  参考訳（メタデータ） (2020-12-10T18:59:48Z)
• Efficient Initial Pose-graph Generation for Global SfM [56.38930515826556]
  本稿では,グローバルなStructure-from-Motionアルゴリズムの初期ポーズグラフ生成を高速化する方法を提案する。 アルゴリズムは1DSfMデータセットから402130の画像ペアでテストされる。
  論文  参考訳（メタデータ） (2020-11-24T09:32:03Z)

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。