Fugu-MT 論文翻訳(概要): VIO-Aided Structure from Motion Under Challenging Environments

論文の概要: VIO-Aided Structure from Motion Under Challenging Environments

arxiv url: http://arxiv.org/abs/2101.09657v2
Date: Tue, 26 Jan 2021 11:40:47 GMT
ステータス: 処理完了
システム内更新日: 2021-03-16 09:13:39.010522
Title: VIO-Aided Structure from Motion Under Challenging Environments
Title（参考訳）: 混在環境下での運動からのVIO支援構造
Authors: Zijie Jiang, Hajime Taira, Naoyuki Miyashita, Masatoshi Okutomi
Abstract要約: 本稿では,難しい環境下で正確な3次元再構成を行うための,ロバストで効率的なモーションパイプライン構造を提案する。具体的には,候補画像対の事前幾何配置を考慮し,ミスマッチをフィルタリングする幾何検証手法を提案する。
参考スコア（独自算出の注目度）: 12.111638631118026
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a robust and efficient Structure from Motion pipeline for accurate 3D reconstruction under challenging environments by leveraging the camera pose information from a visual-inertial odometry. Specifically, we propose a geometric verification method to filter out mismatches by considering the prior geometric configuration of candidate image pairs. Furthermore, we introduce an efficient and scalable reconstruction approach that relies on batched image registration and robust bundle adjustment, both leveraging the reliable local odometry estimation. Extensive experimental results show that our pipeline performs better than the state-of-the-art SfM approaches in terms of reconstruction accuracy and robustness for challenging sequential image collections.
Abstract（参考訳）: 本稿では,視覚慣性オドメトリーからカメラのポーズ情報を活用することで,困難な環境下での正確な3次元再構成を実現するための,ロバストで効率的なモーションパイプライン構造を提案する。具体的には,候補画像対の事前幾何配置を考慮し,ミスマッチをフィルタリングする幾何検証手法を提案する。さらに,信頼性の高い局所的オドメトリ推定を活用し,バッチ画像登録とロバストバンドル調整に依存する効率的かつスケーラブルな再構成手法を提案する。大規模な実験結果から,我々のパイプラインは,最新のSfMアプローチよりも再現精度や堅牢性を向上し,逐次的な画像収集に役立てることが判明した。

関連論文リスト

PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文参考訳（メタデータ） (2024-10-29T15:28:15Z)
UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
論文参考訳（メタデータ） (2024-10-10T16:33:56Z)
FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文参考訳（メタデータ） (2023-08-10T17:55:02Z)
Towards Scalable Multi-View Reconstruction of Geometry and Materials [27.660389147094715]
本稿では,3次元シーンのカメラポーズ,オブジェクト形状,空間変化の両方向反射分布関数(svBRDF)のジョイントリカバリ手法を提案する。入力は高解像度のRGBD画像であり、アクティブ照明用の点灯付き携帯型ハンドヘルドキャプチャシステムによってキャプチャされる。
論文参考訳（メタデータ） (2023-06-06T15:07:39Z)
Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative Regularization [18.466941045530408]
非視線イメージング技術は、多重反射光からターゲットを再構成することを目的としている。最小限の測定回数でノイズロバストを再現する信号表面の協調正規化フレームワークを提案する。我々のアプローチは、救助活動や自律運転といったリアルタイム非視線画像アプリケーションにおいて大きな可能性を秘めている。
論文参考訳（メタデータ） (2022-11-21T11:19:20Z)
Controllable GAN Synthesis Using Non-Rigid Structure-from-Motion [1.7205106391379026]
本研究では,NRSfM(non-rigid structure-from-motion)と深部生成モデルを組み合わせた手法を提案する。本稿では,3次元形状の変化に対応する2次元GANの潜在空間における軌跡の発見に有効なフレームワークを提案する。
論文参考訳（メタデータ） (2022-11-14T08:37:55Z)
Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文参考訳（メタデータ） (2022-05-25T17:59:53Z)
RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust Correspondence Field Estimation and Pose Optimization [46.144194562841435]
本稿では、オブジェクトポーズ改善のためのリカレントニューラルネットワーク(RNN)に基づくフレームワークを提案する。この問題は、推定対応フィールドに基づいて非線形最小二乗問題として定式化される。各イテレーションにおいて、対応フィールド推定とポーズ精錬を代替して行い、正確なオブジェクトポーズを復元する。
論文参考訳（メタデータ） (2022-03-24T06:24:55Z)
Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文参考訳（メタデータ） (2021-09-24T08:11:34Z)
Robust Isometric Non-Rigid Structure-from-Motion [29.229898443263238]
非Rigid Structure-from-Motion (NRSfM)は、モノクロ2D画像間の対応から変形可能な3Dオブジェクトを再構成する。現在のNRSfM法は、対応誤りに対処する統計的堅牢性を欠いている。等尺性を利用してNRSfMを頑健に解く3ステップの自動パイプラインを提案する。
論文参考訳（メタデータ） (2020-10-09T17:25:00Z)
Vid2Curve: Simultaneous Camera Motion Estimation and Thin Structure Reconstruction from an RGB Video [90.93141123721713]
ワイヤーフレーム彫刻、フェンス、ケーブル、電力線、木の枝などの細い構造は現実世界では一般的である。従来の画像ベースや深度ベースの再構築手法を用いて3Dデジタルモデルを入手することは極めて困難である。ハンドヘルドカメラで撮影したカラービデオから,カメラの動きを同時に推定し,複雑な3次元薄膜構造の形状を高品質に再構成する手法を提案する。
論文参考訳（メタデータ） (2020-05-07T10:39:20Z)

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。