論文の概要: Learnable Motion Coherence for Correspondence Pruning

• arxiv url: http://arxiv.org/abs/2011.14563v1
• Date: Mon, 30 Nov 2020 05:57:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 14:49:59.301856
• Title: Learnable Motion Coherence for Correspondence Pruning
• Title（参考訳）: 対応プルーニングのための学習可能な運動コヒーレンス
• Authors: Yuan Liu, Lingjie Liu, Cheng Lin, Zhen Dong, Wenping Wang
• Abstract要約: 我々は,ラプラシアン運動コヒーレンスネットワーク (LMCNet) というネットワークを導入し,通信プルーニングのための動作コヒーレンス特性を学習する。 LMCNetは、ダイナミックシーンの相対的なポーズ推定と対応性において、技術状況よりも優れた性能を有することを示す。
• 参考スコア（独自算出の注目度）: 38.501350323976865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion coherence is an important clue for distinguishing true correspondences from false ones. Modeling motion coherence on sparse putative correspondences is challenging due to their sparsity and uneven distributions. Existing works on motion coherence are sensitive to parameter settings and have difficulty in dealing with complex motion patterns. In this paper, we introduce a network called Laplacian Motion Coherence Network (LMCNet) to learn motion coherence property for correspondence pruning. We propose a novel formulation of fitting coherent motions with a smooth function on a graph of correspondences and show that this formulation allows a closed-form solution by graph Laplacian. This closed-form solution enables us to design a differentiable layer in a learning framework to capture global motion coherence from putative correspondences. The global motion coherence is further combined with local coherence extracted by another local layer to robustly detect inlier correspondences. Experiments demonstrate that LMCNet has superior performances to the state of the art in relative camera pose estimation and correspondences pruning of dynamic scenes.
• Abstract（参考訳）: 動きの一貫性は、真の対応と偽の対応を区別するための重要な手がかりである。 スパースな対応の運動コヒーレンスをモデル化することは、そのスパース性と不均一分布のため困難である。 動きコヒーレンスに関する既存の研究はパラメータ設定に敏感であり、複雑な動きパターンを扱うのに困難である。 本稿では,ラプラシアン運動コヒーレンスネットワーク(lmcnet)と呼ばれるネットワークを導入し,対応プラニングの動作コヒーレンス特性を学習する。 対応グラフ上の滑らかな関数を持つコヒーレント運動の新たな定式化を提案し、この定式化がグラフラプラシアンによる閉形式解を可能にすることを示す。 このクローズドフォームソリューションは,学習フレームワークにおける微分可能なレイヤの設計を可能にし,仮定対応からグローバル動作コヒーレンスをキャプチャする。 グローバルな動きコヒーレンスはさらに、他の局所層によって抽出された局所コヒーレンスと組み合わせて、不整合性対応を堅牢に検出する。 実験により、LCCNetは、ダイナミックシーンの相対的なポーズ推定と対応性において、技術の状態よりも優れた性能を有することが示された。

関連論文リスト

• KinMo: Kinematic-aware Human Motion Understanding and Generation [6.962697597686156]
  テキストに基づく人間の動きの制御は、コンピュータビジョンにおいて重要な課題である。 伝統的なアプローチは、しばしば運動合成のための全体論的な行動記述に依存している。 動作を別個の体節群運動に分解する動き表現を提案する。
  論文  参考訳（メタデータ） (2024-11-23T06:50:11Z)
• Decoupling Contact for Fine-Grained Motion Style Transfer [21.61658765014968]
  モーションスタイルの転送は、その内容を維持しながら動きのスタイルを変え、コンピュータアニメーションやゲームに有用である。 動作スタイルの伝達において、接触を分離して制御し、きめ細かい制御を行う方法は不明である。 本研究では,触覚の自然な動きと時空間変動を両立させながら,接触のきめ細かい制御を行う新しいスタイル伝達法を提案する。
  論文  参考訳（メタデータ） (2024-09-09T07:33:14Z)
• Thin-Plate Spline-based Interpolation for Animation Line Inbetweening [54.69811179222127]
  チャンファー距離(CD: Chamfer Distance)は、一般に間欠的な性能を評価するために用いられる。 薄板スプライン変換を応用したアニメーションラインインテタイニングの簡易かつ効果的な手法を提案する。 提案手法は, 流動性を高めた高品質な結果を提供することにより, 既存の手法よりも優れる。
  論文  参考訳（メタデータ） (2024-08-17T08:05:31Z)
• Joint-Motion Mutual Learning for Pose Estimation in Videos [21.77871402339573]
  ビデオにおける人間のポーズ推定は、コンピュータビジョンの領域において、説得力がありながら挑戦的な課題だった。 最近の手法では、ポーズ推定のためにバックボーンネットワークによって生成された複数フレームの視覚的特徴を統合することを目指している。 ポーズ推定のための新しい共同動作相互学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-05T07:37:55Z)
• Decomposition Betters Tracking Everything Everywhere [8.199205242808592]
  DecoMotionと呼ばれる新しいテスト時間最適化手法を提案し、画素ごとの動作と長距離動きを推定する。 提案手法は,ポイントトラッキングの精度を高いマージンで向上させ,最先端のポイントトラッキングソリューションと同等に動作させる。
  論文  参考訳（メタデータ） (2024-07-09T04:01:23Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Shuffled Autoregression For Motion Interpolation [53.61556200049156]
  この作業は、モーションタスクのためのディープラーニングソリューションを提供することを目的としている。 本稿では,自己回帰を任意の(シャッフルされた)順序で生成するために拡張する,emphShuffled AutoRegressionと呼ばれる新しいフレームワークを提案する。 また,3つのステージを終端から終端の時空間運動変換器に組み込んだ依存グラフの構築手法を提案する。
  論文  参考訳（メタデータ） (2023-06-10T07:14:59Z)
• Motion Deblurring with Real Events [50.441934496692376]
  本稿では,イベントベースの動作を自己教師型で記述するエンド・ツー・エンドの学習フレームワークを提案する。 実世界のイベントは、データ不整合によるパフォーマンス劣化を軽減するために利用される。
  論文  参考訳（メタデータ） (2021-09-28T13:11:44Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。