論文の概要: Generic Merging of Structure from Motion Maps with a Low Memory Footprint

• arxiv url: http://arxiv.org/abs/2103.13246v1
• Date: Wed, 24 Mar 2021 15:03:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-25 13:50:11.770135
• Title: Generic Merging of Structure from Motion Maps with a Low Memory Footprint
• Title（参考訳）: 低メモリフットプリントを持つモーションマップからの構造の汎用的マージ
• Authors: Gabrielle Flood, David Gillsj\"o, Patrik Persson, Anders Heyden, Kalle \r{A}str\"om
• Abstract要約: 効率的で柔軟で堅牢なマップマージを可能にする新しいツールを紹介します。 シミュレーションデータと実データ – 手持ちの携帯電話とドローンの両方から – を用いることで,提案手法の性能を検証する。
• 参考スコア（独自算出の注目度）: 3.7838598767969502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the development of cheap image sensors, the amount of available image data have increased enormously, and the possibility of using crowdsourced collection methods has emerged. This calls for development of ways to handle all these data. In this paper, we present new tools that will enable efficient, flexible and robust map merging. Assuming that separate optimisations have been performed for the individual maps, we show how only relevant data can be stored in a low memory footprint representation. We use these representations to perform map merging so that the algorithm is invariant to the merging order and independent of the choice of coordinate system. The result is a robust algorithm that can be applied to several maps simultaneously. The result of a merge can also be represented with the same type of low-memory footprint format, which enables further merging and updating of the map in a hierarchical way. Furthermore, the method can perform loop closing and also detect changes in the scene between the capture of the different image sequences. Using both simulated and real data - from both a hand held mobile phone and from a drone - we verify the performance of the proposed method.
• Abstract（参考訳）: 安価な画像センサの開発に伴い、利用可能な画像データの量が大幅に増加し、クラウドソースによる収集手法が利用できるようになった。 これにより、これらのデータを扱う方法の開発が求められる。 本稿では,効率的な,柔軟な,堅牢なマップマージを可能にする新しいツールを提案する。 個々のマップに対して個別の最適化がなされたと仮定すると、関連するデータのみを低メモリフットプリント表現に格納できることを示す。 これらの表現を用いてマップマージを行い、アルゴリズムはマージ順序に不変であり、座標系の選択とは独立である。 その結果、複数の地図に同時に適用できるロバストなアルゴリズムとなる。 マージの結果は、同じタイプの低メモリフットプリントフォーマットで表現することもできるため、階層的な方法でマップのさらなるマージと更新が可能になる。 さらに、ループクローズを行い、異なる画像シーケンスのキャプチャ間におけるシーンの変化を検出する。 手持ちの携帯電話とドローンの両方から、シミュレーションデータと実データの両方を使用して、提案手法の性能を検証する。

関連論文リスト

• GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction [20.1127163541618]
  我々はGenMappingというユニバーサルマップ生成フレームワークを設計した。 このフレームワークは、主および二重補助枝を含む三進的なシナジーアーキテクチャで構築されている。 実験結果の網羅的な配列から,提案手法はセマンティックマッピングとベクトル化マッピングの両方において最先端の手法を超越し,高速な推論速度を維持した。
  論文  参考訳（メタデータ） (2024-09-13T10:15:28Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• Diffusion Hyperfeatures: Searching Through Time and Space for Semantic Correspondence [88.00004819064672]
  Diffusion Hyperfeaturesは、マルチスケールおよびマルチタイムステップの機能マップをピクセル単位の機能記述子に統合するためのフレームワークである。 提案手法は,SPair-71k実画像ベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-23T17:58:05Z)
• Efficient Map Sparsification Based on 2D and 3D Discretized Grids [47.22997560184043]
  マップが大きくなると、より多くのメモリが必要になり、ローカライゼーションが非効率になる。 以前の地図スペーシフィケーション法は、選択されたランドマークの均一分布を強制するために混合整数計画において二次項を追加する。 本稿では,効率的な線形形式で地図スペーシフィケーションを定式化し,2次元離散格子に基づく一様分布ランドマークを選択する。
  論文  参考訳（メタデータ） (2023-03-20T05:49:14Z)
• Asynchronously Trained Distributed Topographic Maps [0.0]
  分散トレーニングによって特徴マップを生成するために,N$の自律ユニットを用いたアルゴリズムを提案する。 単位の自律性は、分散探索とカスケード駆動の重み更新スキームを組み合わせることで、時間と空間のスパース相互作用によって達成される。
  論文  参考訳（メタデータ） (2023-01-20T01:15:56Z)
• NeuMap: Neural Coordinate Mapping by Auto-Transdecoder for Camera Localization [60.73541222862195]
  NeuMapは、カメラのローカライゼーションのためのエンドツーエンドのニューラルマッピング手法である。 シーン全体を遅延コードグリッドにエンコードし、Transformerベースのオートデコーダがクエリピクセルの3D座標を回帰する。
  論文  参考訳（メタデータ） (2022-11-21T04:46:22Z)
• AutoMerge: A Framework for Map Assembling and Smoothing in City-scale Environments [20.534235822927787]
  AutoMergeは、多数のマップセグメントを完全なマップに組み立てるためのLiDARデータ処理フレームワークである。 都市規模マージ(120km)とキャンパス規模リピートマージ(4.5km×8)の両方でAutoMergeを実証する。 実験の結果、AutoMergeはセグメント検索において第2と第3のベストメソッドを14%、リコールを24%上回ることがわかった。
  論文  参考訳（メタデータ） (2022-07-14T14:49:32Z)
• Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
  Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。 IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。 提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-06-17T09:40:14Z)
• SegDiff: Image Segmentation with Diffusion Probabilistic Models [81.16986859755038]
  拡散確率法は最先端の画像生成に使用される。 画像分割を行うためにそのようなモデルを拡張する方法を提案する。 この方法は、トレーニング済みのバックボーンに頼ることなく、エンドツーエンドで学習する。
  論文  参考訳（メタデータ） (2021-12-01T10:17:25Z)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。