論文の概要: Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints
- arxiv url: http://arxiv.org/abs/2007.15122v1
- Date: Wed, 29 Jul 2020 21:41:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:52:51.926194
- Title: Deep Keypoint-Based Camera Pose Estimation with Geometric Constraints
- Title(参考訳): 幾何学的制約を用いた深部キーポイントカメラポース推定
- Authors: You-Yi Jau, Rui Zhu, Hao Su, Manmohan Chandraker
- Abstract要約: 連続するフレームから相対的なカメラのポーズを推定することは、視覚計測の基本的な問題である。
本稿では,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールで構成されるエンドツーエンドのトレーニング可能なフレームワークを提案する。
- 参考スコア(独自算出の注目度): 80.60538408386016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Estimating relative camera poses from consecutive frames is a fundamental
problem in visual odometry (VO) and simultaneous localization and mapping
(SLAM), where classic methods consisting of hand-crafted features and
sampling-based outlier rejection have been a dominant choice for over a decade.
Although multiple works propose to replace these modules with learning-based
counterparts, most have not yet been as accurate, robust and generalizable as
conventional methods. In this paper, we design an end-to-end trainable
framework consisting of learnable modules for detection, feature extraction,
matching and outlier rejection, while directly optimizing for the geometric
pose objective. We show both quantitatively and qualitatively that pose
estimation performance may be achieved on par with the classic pipeline.
Moreover, we are able to show by end-to-end training, the key components of the
pipeline could be significantly improved, which leads to better
generalizability to unseen datasets compared to existing learning-based
methods.
- Abstract(参考訳): 連続するフレームから相対カメラのポーズを推定することは、手作りの特徴とサンプリングに基づくアウトリア拒絶からなる古典的手法が10年以上にわたって支配的な選択肢であった視覚計測(VO)と同時位置決めマッピング(SLAM)の基本的な問題である。
複数の作業がこれらのモジュールを学習ベースのモジュールに置き換えることを提案しているが、ほとんどは従来の方法ほど正確で堅牢で一般化していない。
本稿では,幾何学的ポーズ対象を直接最適化しつつ,検出,特徴抽出,マッチング,外乱除去のための学習可能なモジュールからなるエンドツーエンドのトレーニング可能なフレームワークを設計する。
定量的および定性的に,ポーズ推定性能が従来のパイプラインと同等に達成可能であることを示す。
さらに、パイプラインの重要なコンポーネントが大幅に改善される可能性があるため、エンドツーエンドのトレーニングによって、既存の学習ベースの方法と比較して、見当たらないデータセットの一般化性が向上します。
関連論文リスト
- FoundationPose: Unified 6D Pose Estimation and Tracking of Novel Objects [55.77542145604758]
FoundationPoseは、6Dオブジェクトのポーズ推定と追跡のための統合基盤モデルである。
我々のアプローチは、微調整なしで、テスト時に新しいオブジェクトに即座に適用できる。
論文 参考訳(メタデータ) (2023-12-13T18:28:09Z) - RelPose: Predicting Probabilistic Relative Rotation for Single Objects
in the Wild [73.1276968007689]
本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。
本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
論文 参考訳(メタデータ) (2022-08-11T17:59:59Z) - Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。
このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。
提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
論文 参考訳(メタデータ) (2022-04-12T15:03:51Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-10-28T22:24:07Z) - REDE: End-to-end Object 6D Pose Robust Estimation Using Differentiable
Outliers Elimination [15.736699709454857]
RGB-Dデータを用いた新しいエンドツーエンドオブジェクトポーズ推定器REDEを提案する。
また,候補結果と信頼度を同時に抑制する相違可能な外乱除去手法を提案する。
3つのベンチマークデータセットの実験結果は、REDEが最先端のアプローチをわずかに上回っていることを示している。
論文 参考訳(メタデータ) (2020-10-24T06:45:39Z) - Towards Better Generalization: Joint Depth-Pose Learning without PoseNet [36.414471128890284]
自己教師型共同深層学習におけるスケール不整合の本質的問題に対処する。
既存の手法の多くは、全ての入力サンプルで一貫した深さとポーズを学習できると仮定している。
本稿では,ネットワーク推定からスケールを明示的に切り離す新しいシステムを提案する。
論文 参考訳(メタデータ) (2020-04-03T00:28:09Z) - Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。
パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。
適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
論文 参考訳(メタデータ) (2020-03-03T15:20:57Z)
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。