論文の概要: On the Robustness of Multi-View Rotation Averaging

• arxiv url: http://arxiv.org/abs/2102.05454v1
• Date: Tue, 9 Feb 2021 05:47:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-11 20:14:33.693661
• Title: On the Robustness of Multi-View Rotation Averaging
• Title（参考訳）: 多視点回転平均のロバスト性について
• Authors: Xinyi Li, Haibin Ling
• Abstract要約: 解法に$epsilon$-cycle整合項を導入する。 重み低減による誤測定の負の効果を暗黙的に抑制する。 実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。
• 参考スコア（独自算出の注目度）: 77.09542018140823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rotation averaging is a synchronization process on single or multiple rotation groups, and is a fundamental problem in many computer vision tasks such as multi-view structure from motion (SfM). Specifically, rotation averaging involves the recovery of an underlying pose-graph consistency from pairwise relative camera poses. Specifically, given pairwise motion in rotation groups, especially 3-dimensional rotation groups (\eg, $\mathbb{SO}(3)$), one is interested in recovering the original signal of multiple rotations with respect to a fixed frame. In this paper, we propose a robust framework to solve multiple rotation averaging problem, especially in the cases that a significant amount of noisy measurements are present. By introducing the $\epsilon$-cycle consistency term into the solver, we enable the robust initialization scheme to be implemented into the IRLS solver. Instead of conducting the costly edge removal, we implicitly constrain the negative effect of erroneous measurements by weight reducing, such that IRLS failures caused by poor initialization can be effectively avoided. Experiment results demonstrate that our proposed approach outperforms state of the arts on various benchmarks.
• Abstract（参考訳）: 回転平均化は、単一または複数の回転群の同期プロセスであり、動きからのマルチビュー構造(SfM)のような多くのコンピュータビジョンタスクにおいて根本的な問題である。 具体的には、回転平均化は、ペアワイズ相対カメラポーズからの基本的なポーズグラフ一貫性の回復を含む。 具体的には、回転群の対運動、特に3次元回転群 (\eg, $\mathbb{SO}(3)$) が与えられたとき、固定フレームに対する多重回転の原信号の復元に興味がある。 本稿では,複数の回転平均問題を解決するための堅牢な枠組みを提案する。 このソルバに$\epsilon$-cycle整合性項を導入することで、堅牢な初期化スキームをIRLSソルバに実装することができます。 コストのかかるエッジ除去を行う代わりに、減量による誤測定の悪影響を暗黙的に抑制し、初期化不良によるIRLS障害を効果的に回避します。 実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。

関連論文リスト

• Rotation Averaging: A Primal-Dual Method and Closed-Forms in Cycle Graphs [6.511636092857915]
  幾何再構成のベンチマーク、平均化は、それらの間の測定された相対的向きのセットを最適に説明する絶対的な設定のセットを求める。 広範に受け入れられるスペクトル理論によって動機付けられた新しい原始双対サイクル法を提案する。
  論文  参考訳（メタデータ） (2024-05-29T21:46:39Z)
• Learning Unorthogonalized Matrices for Rotation Estimation [83.94986875750455]
  3次元の回転を推定することは、3次元コンピュータビジョンの一般的な手順である。 回転行列という表現の1つの形式は、その連続性のために人気がある。 非直交擬似擬似回転行列(PRoM)を提案する。
  論文  参考訳（メタデータ） (2023-12-01T09:56:29Z)
• Multi-Irreducible Spectral Synchronization for Robust Rotation Averaging [1.2289361708127877]
  雑音の測定値として、SO$における未知の向きの集合を$R_1, ..., R_Nで推定する方法を示す。 その結果, 正確な推定を実現するために, エフェクトが保証される計測ネットワークを考案する方法が示唆された。
  論文  参考訳（メタデータ） (2023-11-28T06:25:26Z)
• EAR-Net: Pursuing End-to-End Absolute Rotations from Multi-View Images [17.386735294534738]
  絶対回転推定は3次元コンピュータビジョンにおいて重要なトピックである。 深層ニューラルネットワークに基づく多視点画像から溶出回転を推定するエンド・ツー・エンド手法を提案する。
  論文  参考訳（メタデータ） (2023-10-16T04:21:07Z)
• Unfolding Framework with Prior of Convolution-Transformer Mixture and Uncertainty Estimation for Video Snapshot Compressive Imaging [7.601695814245209]
  本稿では, 連続する高速フレームを異なるマスクで変調し, 単一の計測でキャプチャする, ビデオスナップショット圧縮画像(SCI)の問題点について考察する。 最適化アルゴリズムとニューラルネットワークを組み合わせることで、ディープ・アンフォールディング・ネットワーク(DUN)は、逆問題の解決において大きな成果を上げた。
  論文  参考訳（メタデータ） (2023-06-20T06:25:48Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• Learning Iterative Robust Transformation Synchronization [71.73273007900717]
  グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。 本研究では、ロバストな損失関数のハンドクラフトを回避するとともに、グラフニューラルネットワーク(GNN)を用いて変換同期を学習することを提案する。
  論文  参考訳（メタデータ） (2021-11-01T07:03:14Z)
• An accelerated expectation-maximization for multi-reference alignment [11.168121941015013]
  我々は、角同期と期待最大化(em)からなる新しい計算フレームワークsynch-emを提案する。 同期ステップは回転の集中分布となり、この分布は学習され、ベイズ前駆体としてemに組み込まれる。 本研究では, 大規模な数値実験により, 再構成品質を低下させることなく, 高ノイズレベルにおけるMRAのEMを時折数桁加速できることを示した。
  論文  参考訳（メタデータ） (2021-05-16T07:25:51Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。