論文の概要: LM-Reloc: Levenberg-Marquardt Based Direct Visual Relocalization

• arxiv url: http://arxiv.org/abs/2010.06323v1
• Date: Tue, 13 Oct 2020 12:15:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 00:06:16.831549
• Title: LM-Reloc: Levenberg-Marquardt Based Direct Visual Relocalization
• Title（参考訳）: LM-Reloc: Levenberg-Marquardt による直接視覚的再局在
• Authors: Lukas von Stumberg, Patrick Wenzel, Nan Yang, Daniel Cremers
• Abstract要約: LM-Relocは、直接画像アライメントに基づく視覚的再ローカライズのための新しいアプローチである。 本稿では,LM-Net を学習するための古典的レバンス・マルカルトアルゴリズムにインスパイアされた損失定式化を提案する。
• 参考スコア（独自算出の注目度）: 54.77498358487812
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present LM-Reloc -- a novel approach for visual relocalization based on direct image alignment. In contrast to prior works that tackle the problem with a feature-based formulation, the proposed method does not rely on feature matching and RANSAC. Hence, the method can utilize not only corners but any region of the image with gradients. In particular, we propose a loss formulation inspired by the classical Levenberg-Marquardt algorithm to train LM-Net. The learned features significantly improve the robustness of direct image alignment, especially for relocalization across different conditions. To further improve the robustness of LM-Net against large image baselines, we propose a pose estimation network, CorrPoseNet, which regresses the relative pose to bootstrap the direct image alignment. Evaluations on the CARLA and Oxford RobotCar relocalization tracking benchmark show that our approach delivers more accurate results than previous state-of-the-art methods while being comparable in terms of robustness.
• Abstract（参考訳）: 直接画像アライメントに基づく視覚的再ローカライズのための新しいアプローチであるLM-Relocを提案する。 特徴に基づく定式化の問題に対処する先行研究とは対照的に,提案手法は特徴マッチングやRANSACに依存しない。 したがって、この手法はコーナーだけでなく、勾配のある画像の任意の領域を利用することができる。 特に,従来のLevenberg-Marquardtアルゴリズムにインスパイアされた損失定式化を提案する。 学習した特徴は直接画像アライメントの堅牢性を大幅に改善し、特に異なる条件で再局在する。 LM-Netの大規模画像ベースラインに対するロバスト性をさらに向上するため,直接画像アライメントをブートストラップする相対ポーズを回帰するポーズ推定ネットワークCorrPoseNetを提案する。 CARLAとOxford RobotCarの再ローカライゼーション追跡ベンチマークによる評価は、我々の手法が従来の最先端手法よりも精度が高く、ロバスト性は同等であることを示している。

関連論文リスト

• Temporal Attention for Cross-View Sequential Image Localization [17.14320442129364]
  本稿では,1つの衛星画像パッチ内でのストリートビュー画像の微粒化とシーケンシャルなローカライゼーションに着目し,クロスビューのローカライゼーションを強化する新しいアプローチを提案する。 逐次的な画像の微粒化に拡張することにより、新しい時間的注意モジュール(TAM)を備えるモデルでは、文脈情報を活用して、シーケンシャルな画像の局所化精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-28T06:53:08Z)
• Bayesian Image Super-Resolution with Deep Modeling of Image Statistics [18.55701190218365]
  本稿では,自然画像統計をスムーズさと空間性の組み合わせでモデル化したベイズ画像復元フレームワークを提案する。 本研究では,後方推定のための変分ベイズ的手法を開発し,教師なしトレーニング戦略を提案する。 理想的なSISR, 現実的なSISR, 実世界のSISRという3つの画像復元タスクの実験により, 本手法は様々なノイズレベルや劣化カーネルに対して優れたモデル一般化性を有することを示した。
  論文  参考訳（メタデータ） (2022-03-31T20:52:59Z)
• Poseur: Direct Human Pose Regression with Transformers [119.79232258661995]
  単一画像からの2次元人間のポーズ推定に対する直接回帰に基づくアプローチを提案する。 私たちのフレームワークはエンドツーエンドの差別化が可能で、キーポイント間の依存関係を自然に活用することを学びます。 我々のアプローチは、最も優れたヒートマップベースのポーズ推定手法と比較して好意的に機能する最初の回帰ベースのアプローチである。
  論文  参考訳（メタデータ） (2022-01-19T04:31:57Z)
• Global and Local Alignment Networks for Unpaired Image-to-Image Translation [170.08142745705575]
  未ペア画像から画像への変換の目的は、対象領域のスタイルを反映した出力画像を作成することである。 既存の手法では内容変化に注意が払われていないため、ソース画像からの意味情報は翻訳中の劣化に悩まされる。 我々はGLA-Net(Global and Local Alignment Networks)という新しいアプローチを導入する。 本手法は既存の手法よりもシャープでリアルな画像を効果的に生成する。
  論文  参考訳（メタデータ） (2021-11-19T18:01:54Z)
• On the Limits of Pseudo Ground Truth in Visual Camera Re-localisation [83.29404673257328]
  再ローカライゼーションベンチマークは、各メソッドが参照アルゴリズムの結果をいかにうまく再現するかを測定する。 このことは、参照アルゴリズムの選択がある種の再ローカライゼーション手法を好むかどうかを問うものである。 本稿では、広く使われている2つの再ローカライゼーションデータセットを分析し、参照アルゴリズムの選択によって評価結果が実際に異なることを示す。
  論文  参考訳（メタデータ） (2021-09-01T12:01:08Z)
• Deep Amended Gradient Descent for Efficient Spectral Reconstruction from Single RGB Images [42.26124628784883]
  本稿では、AGD-Netという、コンパクトで効率的でエンドツーエンドの学習ベースのフレームワークを提案する。 まず、古典的勾配降下アルゴリズムに基づいて問題を明示的に定式化する。 AGD-Netは、平均1.0dB以上のリコンストラクション品質を向上させることができる。
  論文  参考訳（メタデータ） (2021-08-12T05:54:09Z)
• Direct-PoseNet: Absolute Pose Regression with Photometric Consistency [16.60612964943876]
  本稿では,絶対ポーズ回帰ネットワークと新しいビュー合成に基づく直接マッチングモジュールを組み合わせた再局在化パイプラインを提案する。 当社のネットワークDirect-PoseNetは、7-ScenesベンチマークとLLFFデータセット上の他のすべてのシングルイメージAPRメソッドの中で最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-04-08T21:10:18Z)
• Domain-invariant Similarity Activation Map Contrastive Learning for Retrieval-based Long-term Visual Localization [30.203072945001136]
  本研究では,多領域画像変換による領域不変特徴抽出のために,確率論的に一般アーキテクチャを定式化する。 そして、より精密な局所化のために、新しい勾配重み付き類似性活性化写像損失(Grad-SAM)を組み込んだ。 CMUSeasonsデータセットにおける提案手法の有効性を検証するために大規模な実験が行われた。 我々の性能は、最先端のイメージベースのローカライゼーションベースラインを中あるいは高精度で上回るか、あるいは上回る。
  論文  参考訳（メタデータ） (2020-09-16T14:43:22Z)
• Cross-Scale Internal Graph Neural Network for Image Super-Resolution [147.77050877373674]
  自然画像における非局所的な自己相似性は、画像修復に有効な先行研究として、よく研究されている。 単一の画像超解像(SISR)の場合、既存のディープ非局所法のほとんどは、低解像度(LR)入力画像と同じ規模のパッチしか利用していない。 これは、新しいクロススケールな内部グラフニューラルネットワーク(IGNN)を用いて実現される。
  論文  参考訳（メタデータ） (2020-06-30T10:48:40Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。