論文の概要: Shonan Rotation Averaging: Global Optimality by Surfing $SO(p)^n$

• arxiv url: http://arxiv.org/abs/2008.02737v1
• Date: Thu, 6 Aug 2020 16:08:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 07:30:46.596474
• Title: Shonan Rotation Averaging: Global Optimality by Surfing $SO(p)^n$
• Title（参考訳）: 正南回転平均値:$so(p)^n$のサーフィンによる大域的最適性
• Authors: Frank Dellaert, David M. Rosen, Jing Wu, Robert Mahony, and Luca Carlone
• Abstract要約: 焼南回転平均化は, 測定ノイズの軽度な仮定の下で, 世界規模で最適解を復元することが保証される。 そこで本手法では, 回転平均化問題の最適解を導出するために半定緩和法を用いる。
• 参考スコア（独自算出の注目度）: 26.686173666277725
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shonan Rotation Averaging is a fast, simple, and elegant rotation averaging algorithm that is guaranteed to recover globally optimal solutions under mild assumptions on the measurement noise. Our method employs semidefinite relaxation in order to recover provably globally optimal solutions of the rotation averaging problem. In contrast to prior work, we show how to solve large-scale instances of these relaxations using manifold minimization on (only slightly) higher-dimensional rotation manifolds, re-using existing high-performance (but local) structure-from-motion pipelines. Our method thus preserves the speed and scalability of current SFM methods, while recovering globally optimal solutions.
• Abstract（参考訳）: 正南回転平均化は高速で単純でエレガントな回転平均化アルゴリズムであり、測定ノイズの穏やかな仮定の下でグローバルに最適解を回復することが保証されている。 そこで本手法では, 回転平均化問題の最適解を導出するために半定緩和法を用いる。 従来の研究とは対照的に、我々は(わずかに)高次元回転多様体上の多様体を最小化し、既存の高性能な(局所的な)構造を運動パイプラインから再利用することで、これらの緩和の大規模事例を解決する方法を示す。 これにより,現在のsfm法の速度とスケーラビリティを保ちつつ,グローバル最適解を回収する。

関連論文リスト

• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• Escaping Spurious Local Minima of Low-Rank Matrix Factorization Through Convex Lifting [10.76492224896965]
  本研究は,MF-Global と呼ばれる非低ランク行列分解(MF)問題に対する大域的高速解法を提案する。 コンベックスのステップを通じて,実世界のノイズの多いデータの中で,サドルやスプリケートな局所ミニマを効率的に回避する。 我々は,MF-Globalが既存のMFアプローチが定着している局所解を効果的に回避できることを示す。
  論文  参考訳（メタデータ） (2022-04-29T13:04:36Z)
• STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
  本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。 我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
  論文  参考訳（メタデータ） (2021-11-01T15:43:36Z)
• Rotation Averaging in a Split Second: A Primal-Dual Method and a Closed-Form for Cycle Graphs [2.1423963702744597]
  幾何再構成平均化の土台は絶対回転の集合を求め、それらの間の測定された相対配向の集合を最適に説明する。 提案手法は精度と性能の両面で有意な向上を実現している。
  論文  参考訳（メタデータ） (2021-09-16T15:22:28Z)
• Rotation Coordinate Descent for Fast Globally Optimal Rotation Averaging [47.3713707521106]
  回転座標降下 (RCD) と呼ばれる世界最適性を実現する高速アルゴリズムを提案する。 半定値行列を行ごと更新することでSDPを解くブロック座標降下(BCD)とは異なり、RCDは繰り返しを通して全ての有効な回転を直接維持・更新する。 我々は数学的にアルゴリズムの収束を証明し、最先端のグローバル手法よりも優れた効率を示す。
  論文  参考訳（メタデータ） (2021-03-15T11:31:34Z)
• Hybrid Rotation Averaging: A Fast and Robust Rotation Averaging Approach [28.56388668402907]
  運動からのインクリメンタル構造(SfM)に対するハイブリッド回転平均化手法を提案する。 グローバルRAは低騒音条件下でのグローバルな最適性を保証するが、非効率であり、外れ値や高騒音の影響を受けやすい。 提案手法は,悪いカメラポーズを効果的に補正し,ドリフトを低減し,高い実用性を示す。
  論文  参考訳（メタデータ） (2021-01-22T14:11:19Z)
• 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)
• Sparse recovery by reduced variance stochastic approximation [5.672132510411465]
  雑音観測によるスパース信号回復問題に対する反復2次最適化ルーチンの適用について論じる。 本稿では,Median-of-Meansのような手法を用いて,対応するソリューションの信頼性を向上する方法について述べる。
  論文  参考訳（メタデータ） (2020-06-11T12:31:20Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。