論文の概要: Correspondence Matrices are Underrated

• arxiv url: http://arxiv.org/abs/2010.16085v1
• Date: Fri, 30 Oct 2020 05:31:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 16:53:07.787815
• Title: Correspondence Matrices are Underrated
• Title（参考訳）: 対応行列の定式化
• Authors: Tejas Zodage, Rahul Chakwate, Vinit Sarode, Rangaprasad Arun Srivatsan, and Howie Choset
• Abstract要約: ポイントクラウド登録(PCR)は、ロボット操作、拡張現実、SLAMなど、さまざまなアプリケーションにおいて重要なタスクである。 近年のディープラーニングの進歩はPCRの高速なアプローチを生み出している。 本論では, 既存の手法を変換に基づく損失ではなく, 対応に基づく損失を使用するように変更することで, 仮説を検証し, その理由を理論的に説明する。
• 参考スコア（独自算出の注目度）: 13.483369065500408
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point-cloud registration (PCR) is an important task in various applications such as robotic manipulation, augmented and virtual reality, SLAM, etc. PCR is an optimization problem involving minimization over two different types of interdependent variables: transformation parameters and point-to-point correspondences. Recent developments in deep-learning have produced computationally fast approaches for PCR. The loss functions that are optimized in these networks are based on the error in the transformation parameters. We hypothesize that these methods would perform significantly better if they calculated their loss function using correspondence error instead of only using error in transformation parameters. We define correspondence error as a metric based on incorrectly matched point pairs. We provide a fundamental explanation for why this is the case and test our hypothesis by modifying existing methods to use correspondence-based loss instead of transformation-based loss. These experiments show that the modified networks converge faster and register more accurately even at larger misalignment when compared to the original networks.
• Abstract（参考訳）: ポイントクラウド登録(PCR)は、ロボット操作、拡張現実、SLAMなど、さまざまなアプリケーションにおいて重要なタスクである。 PCRは、変換パラメータとポイント・ツー・ポイント対応という2種類の相互依存変数の最小化を含む最適化問題である。 近年のディープラーニングの進歩はPCRの高速なアプローチを生み出している。 これらのネットワークで最適化された損失関数は、変換パラメータのエラーに基づいている。 変換パラメータの誤差のみを用いるのではなく、対応誤差を用いて損失関数を計算すれば、これらの手法がかなり良くなると仮定した。 対応誤差を不正確な一致点対に基づく計量として定義する。 本論では, 既存の手法を変換に基づく損失ではなく, 対応に基づく損失を使用するように変更することによって, 仮説を検証した。 これらの実験により、修正されたネットワークはより高速に収束し、元のネットワークと比較して大きなミスアライメントでもより正確に登録できることが示された。

関連論文リスト

• 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)
• AnyLoss: Transforming Classification Metrics into Loss Functions [21.34290540936501]
  評価指標は、バイナリ分類タスクにおけるモデルの性能を評価するために使用することができる。 ほとんどのメトリクスは、非微分可能形式の混乱行列から派生しており、直接最適化できる微分可能損失関数を生成することは困難である。 本稿では,任意の混乱行列に基づく計量を,最適化プロセスで利用可能な損失関数 textitAnyLoss に変換する汎用的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-05-23T16:14:16Z)
• Stochastic Optimization for Non-convex Problem with Inexact Hessian Matrix, Gradient, and Function [99.31457740916815]
  信頼領域(TR)と立方体を用いた適応正則化は、非常に魅力的な理論的性質を持つことが証明されている。 TR法とARC法はヘッセン関数,勾配関数,関数値の非コンパクトな計算を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2023-10-18T10:29:58Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Smooth over-parameterized solvers for non-smooth structured optimization [3.756550107432323]
  非滑らか性 (non-smoothness) は、空間性、群空間性、低ランクエッジ、鋭いエッジなどの解の構造的制約を符号化する。 我々は、基礎となる非滑らかな最適化問題の非重み付きだが滑らかな過度パラメータ化を運用する。 我々の主な貢献は変数の一部を明示的に最小化することで新しい定式化を定義する変数射影(VarPro)を適用することです。
  論文  参考訳（メタデータ） (2022-05-03T09:23:07Z)
• Fast Differentiable Matrix Square Root and Inverse Square Root [65.67315418971688]
  微分可能な行列平方根と逆平方根を計算するためのより効率的な2つの変種を提案する。 前方伝搬には, Matrix Taylor Polynomial (MTP) を用いる方法と, Matrix Pad'e Approximants (MPA) を使用する方法がある。 一連の数値実験により、両方の手法がSVDやNSの繰り返しと比較してかなりスピードアップすることが示された。
  論文  参考訳（メタデータ） (2022-01-29T10:00:35Z)
• Cross-validation for change-point regression: pitfalls and solutions [0.0]
  その結果,2乗誤差損失を伴うクロスバリデーションの問題はより深刻であり,変更点数の体系的過小評価や過大評価につながる可能性が示唆された。 本稿では,これらの問題を解決するための2つの簡単なアプローチを提案する。 これらの条件は, 変更点数の誤った値が供給された場合, 性能上の新しい結果を用いて, 少なくとも2乗推定で満たされることを示す。
  論文  参考訳（メタデータ） (2021-12-06T18:23:12Z)
• A Reinforcement Learning Approach for Sequential Spatial Transformer Networks [6.585049648605185]
  我々は、このタスクをマルコフ決定プロセス(MDP)として定式化し、このシーケンシャルな意思決定問題を解決するためにRLを使用する。 この方法では、サンプリングモジュールの微分可能性に縛られません。 MNISTデータセットとFashion-MNISTデータセットを用いて,本手法の有効性を検証するために,複数の実験を設計する。
  論文  参考訳（メタデータ） (2021-06-27T17:41:17Z)
• Learning Invariant Representations using Inverse Contrastive Loss [34.93395633215398]
  興味のある変数に不変な学習表現に対して,損失のクラスを導入する。 外部変数がバイナリである場合、iclの最適化は正規化mmd分岐の最適化と同値であることを示す。
  論文  参考訳（メタデータ） (2021-02-16T18:29:28Z)
• A Hypergradient Approach to Robust Regression without Correspondence [85.49775273716503]
  本稿では,入力データと出力データとの対応が不十分な回帰問題について考察する。 ほとんどの既存手法はサンプルサイズが小さい場合にのみ適用できる。 シャッフル回帰問題に対する新しい計算フレームワークであるROBOTを提案する。
  論文  参考訳（メタデータ） (2020-11-30T21:47:38Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  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。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)

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。