論文の概要: Hybrid Rotation Averaging: A Fast and Robust Rotation Averaging Approach

• arxiv url: http://arxiv.org/abs/2101.09116v2
• Date: Sun, 31 Jan 2021 11:50:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-20 17:24:26.773315
• Title: Hybrid Rotation Averaging: A Fast and Robust Rotation Averaging Approach
• Title（参考訳）: ハイブリッド回転平均化:高速かつロバストな回転平均化アプローチ
• Authors: Yu Chen and Ji Zhao and Laurent Kneip
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 28.56388668402907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address rotation averaging (RA) and its application to real-world 3D reconstruction. Local optimisation based approaches are the defacto choice, though they only guarantee a local optimum. Global optimizers ensure global optimality in low noise conditions, but they are inefficient and may easily deviate under the influence of outliers or elevated noise levels. We push the envelope of rotation averaging by leveraging the advantages of global RA method and local RA method. Combined with a fast view graph filtering as preprocessing, the proposed hybrid approach is robust to outliers. We apply the proposed hybrid rotation averaging approach to incremental Structure from Motion (SfM) by adding the resulting global rotations as regularizers to bundle adjustment. Overall, we demonstrate high practicality of the proposed method as bad camera poses are effectively corrected and drift is reduced.
• Abstract（参考訳）: 回転平均化(RA)と実世界の3D再構成への応用について述べる。 局所最適化に基づくアプローチはデファクトの選択であるが、局所最適化のみを保証する。 グローバルオプティマイザ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。 我々は,大域的RA法と局所的RA法の利点を利用して,回転平均化のエンベロープを推し進める。 高速なビューグラフフィルタリングを前処理として組み合わせることで、提案したハイブリッドアプローチは外れ値に対して堅牢である。 提案手法のハイブリッド回転平均化手法を, 正規化器として大域回転を付加することにより, 運動からのインクリメンタル構造(SfM)に適用する。 全体として,悪質なカメラポーズを効果的に補正し,ドリフトを低減し,提案手法の実用性が高いことを示す。

関連論文リスト

• 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)
• ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via Adversarial Rotation [89.47574181669903]
  本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。 具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。 最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
  論文  参考訳（メタデータ） (2022-03-08T07:20:16Z)
• 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)
• Variational Refinement for Importance Sampling Using the Forward Kullback-Leibler Divergence [77.06203118175335]
  変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。 重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。 近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
  論文  参考訳（メタデータ） (2021-06-30T11:00:24Z)
• Stochastic Optimization of Area Under Precision-Recall Curve for Deep Learning with Provable Convergence [76.97121211622905]
  ROC(AUROC)および精密リコール曲線(AUPRC)の下の領域は、不均衡問題の分類性能を評価する一般的な指標です。 高度に不均衡なデータセットに対して,より適切な指標としてAUPRCを提案する。 我々のアプローチは、ディープラーニングのためのAUPRCの偏りのない点である平均精度(AP)を最大化することに基づいている。
  論文  参考訳（メタデータ） (2021-04-18T06:22:21Z)
• 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)
• Panoramic annular SLAM with loop closure and global optimization [12.643044899544618]
  ループ閉鎖と大域最適化を備えたパノラマ環状視覚SLAMシステムであるPA-SLAMを提案する。 トラッキングフロントにはハイブリッドポイント選択戦略が展開され、キーポイントの再現性が保証される。 実世界のデータセットに関する実験は、ハイブリッドポイント選択戦略が信頼できるループクロージャ検出を可能にすることを証明している。
  論文  参考訳（メタデータ） (2021-02-26T11:22:40Z)
• Distributionally Robust Federated Averaging [19.875176871167966]
  適応サンプリングを用いた堅牢な学習周期平均化のためのコミュニケーション効率の高い分散アルゴリズムを提案する。 我々は、フェデレーション学習環境における理論的結果に関する実験的証拠を裏付ける。
  論文  参考訳（メタデータ） (2021-02-25T03:32:09Z)
• Parameter-free Locally Accelerated Conditional Gradients [91.19349793915615]
  私たちは小説を紹介します。 自由局所加速cg(pf-lacg)アルゴリズムは,厳密な収束保証を提供する。 我々の理論結果は,局所加速度を実証し,非加速アルゴリズムに対するPF-LaCGの実用的改善を示す数値実験によって補完される。
  論文  参考訳（メタデータ） (2021-02-12T22:50:01Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)

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。