論文の概要: cMinMax: A Fast Algorithm to Find the Corners of an N-dimensional Convex Polytope

• arxiv url: http://arxiv.org/abs/2011.14035v3
• Date: Fri, 13 May 2022 19:33:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 19:48:57.572984
• Title: cMinMax: A Fast Algorithm to Find the Corners of an N-dimensional Convex Polytope
• Title（参考訳）: cminmax: n-次元凸ポリトープの角を求める高速アルゴリズム
• Authors: Dimitrios Chamzas, Constantinos Chamzas and Konstantinos Moustakas
• Abstract要約: コーナーは、画像の登録と認識、追跡、SLAM、ロボットパスの検出、2Dまたは3Dオブジェクトの検出と検索に使用される。 提案アルゴリズムは,広く使用されているハリスコーナー検出アルゴリズムと比較して約5倍高速である。 このアルゴリズムはN次元の多面体にも拡張できる。
• 参考スコア（独自算出の注目度）: 4.157415305926584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: During the last years, the emerging field of Augmented & Virtual Reality (AR-VR) has seen tremendousgrowth. At the same time there is a trend to develop low cost high-quality AR systems where computing poweris in demand. Feature points are extensively used in these real-time frame-rate and 3D applications, thereforeefficient high-speed feature detectors are necessary. Corners are such special features and often are used as thefirst step in the marker alignment in Augmented Reality (AR). Corners are also used in image registration andrecognition, tracking, SLAM, robot path finding and 2D or 3D object detection and retrieval. Therefore thereis a large number of corner detection algorithms but most of them are too computationally intensive for use inreal-time applications of any complexity. Many times the border of the image is a convex polygon. For thisspecial, but quite common case, we have developed a specific algorithm, cMinMax. The proposed algorithmis faster, approximately by a factor of 5 compared to the widely used Harris Corner Detection algorithm. Inaddition is highly parallelizable. The algorithm is suitable for the fast registration of markers in augmentedreality systems and in applications where a computationally efficient real time feature detector is necessary.The algorithm can also be extended to N-dimensional polyhedrons.
• Abstract（参考訳）: ここ数年、拡張現実と仮想現実(ar-vr)の新興分野は、大きく成長している。 同時に、コンピューティングパワーが要求される低コストな高品質arシステムを開発する傾向がある。 これらのリアルタイムフレームレートおよび3Dアプリケーションで特徴点が広く使用されるため、高速特徴検出器が必要である。 コーナーは特別な特徴であり、しばしば拡張現実(AR)におけるマーカーアライメントの第1ステップとして使用される。 コーナーは、画像登録と認識、追跡、slam、ロボットパス発見、および2dまたは3dオブジェクトの検出と検索にも使用される。 したがって、多くのコーナー検出アルゴリズムがあるが、そのほとんどは計算量が多いので、どんな複雑でもリアルタイムに利用できない。 多くの場合、画像の境界は凸多角形である。 この特殊なケースに対して、我々はcMinMaxという特定のアルゴリズムを開発した。 提案アルゴリズムは、広く使われているハリスコーナー検出アルゴリズムと比較して約5倍高速である。 inadditionは高度に並列化可能である。 このアルゴリズムは、拡張現実システムや計算効率のよいリアルタイム特徴検出器が必要なアプリケーションにおけるマーカーの高速な登録に適しており、N次元多面体にも拡張することができる。

関連論文リスト

• A PnP Algorithm for Two-Dimensional Pose Estimation [0.0]
  仮定を活用すれば、探索空間次元の減少による3次元精度の向上と性能向上が可能になる。 提案アルゴリズムは,システムを解くことによって不明瞭な解を見つけ,繰り返し誤差を最小限に抑えるためにその予測を反復的に洗練する。
  論文  参考訳（メタデータ） (2023-12-13T20:08:26Z)
• Fully Sparse Fusion for 3D Object Detection [91.28571584038467]
  現在広く使われているマルチモーダル3D検出法は、通常、密度の高いBird-Eye-View特徴マップを使用するLiDARベースの検出器上に構築されている。 完全にスパースなアーキテクチャは、長距離知覚において非常に効率的であるため、注目を集めている。 本稿では,新たに出現するフルスパースアーキテクチャにおいて,画像のモダリティを効果的に活用する方法を検討する。
  論文  参考訳（メタデータ） (2023-04-24T17:57:43Z)
• Batch-efficient EigenDecomposition for Small and Medium Matrices [65.67315418971688]
  EigenDecomposition (ED)は多くのコンピュータビジョンアルゴリズムとアプリケーションの中心にある。 本稿では,コンピュータビジョンの応用シナリオに特化したQRベースのED手法を提案する。
  論文  参考訳（メタデータ） (2022-07-09T09:14:12Z)
• Accelerated Quality-Diversity for Robotics through Massive Parallelism [4.260312058817663]
  政策評価はすでにQDアルゴリズムの高速化に並行して行われているが、単一のマシンでしか機能しない。 最近のアクセラレーター上で動作するシミュレータの進歩により、単一のGPU/TPU上で数千の評価を並列に行うことができる。 QDアルゴリズムは理想的な候補であり,対話型時間スケールで大規模並列処理を実行できることを示す。
  論文  参考訳（メタデータ） (2022-02-02T19:44:17Z)
• luvHarris: A Practical Corner Detector for Event-cameras [3.5097082077065]
  イベント駆動型コンピュータビジョンがよりアクセスしやすくなってきた。 現在の最先端技術は、実用性を考慮した場合、満足のいく精度かリアルタイムパフォーマンスのいずれかを持っている。 検索イベント・ハリス(luvHarris)と呼ばれるコーナー検出を行う別の方法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T17:54:06Z)
• OV$^{2}$SLAM : A Fully Online and Versatile Visual SLAM for Real-Time Applications [59.013743002557646]
  OV$2$SLAMは、モノクロカメラとステレオカメラの両方のセットアップ、さまざまなマップスケール、フレームレートを、数ヘルツから数百まで、完全にオンラインのアルゴリズムである。 コミュニティの利益のために、ソースコードを urlhttps://github.com/ov2slam/ov2slam でリリースします。
  論文  参考訳（メタデータ） (2021-02-08T08:39:23Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• Dynamic Resource-aware Corner Detection for Bio-inspired Vision Sensors [0.9988653233188148]
  本稿では,組込みシステム上でリアルタイムにイベントストリームから非同期コーナーを検出するアルゴリズムを提案する。 提案アルゴリズムは,近隣住民の中から最適なコーナー候補を選択することができ,平均実行時間を59パーセント削減することができる。
  論文  参考訳（メタデータ） (2020-10-29T12:01:33Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)
• MPLP++: Fast, Parallel Dual Block-Coordinate Ascent for Dense Graphical Models [96.1052289276254]
  この研究は、人気のあるDual Block-Coordinate Ascent原則に基づく新しいMAP-solverを導入している。 驚いたことに、性能の低い解法に小さな変更を加えることで、既存の解法を大きなマージンで大幅に上回る新しい解法MPLP++を導出します。
  論文  参考訳（メタデータ） (2020-04-16T16:20:53Z)

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。