論文の概要: Finding Geometric Models by Clustering in the Consensus Space

• arxiv url: http://arxiv.org/abs/2103.13875v2
• Date: Mon, 17 Apr 2023 14:05:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 01:19:13.979885
• Title: Finding Geometric Models by Clustering in the Consensus Space
• Title（参考訳）: コンセンサス空間におけるクラスタリングによる幾何学的モデル探索
• Authors: Daniel Barath, Denys Rozumny, Ivan Eichhardt, Levente Hajder, Jiri Matas
• Abstract要約: 本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
• 参考スコア（独自算出の注目度）: 61.65661010039768
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a new algorithm for finding an unknown number of geometric models, e.g., homographies. The problem is formalized as finding dominant model instances progressively without forming crisp point-to-model assignments. Dominant instances are found via a RANSAC-like sampling and a consolidation process driven by a model quality function considering previously proposed instances. New ones are found by clustering in the consensus space. This new formulation leads to a simple iterative algorithm with state-of-the-art accuracy while running in real-time on a number of vision problems - at least two orders of magnitude faster than the competitors on two-view motion estimation. Also, we propose a deterministic sampler reflecting the fact that real-world data tend to form spatially coherent structures. The sampler returns connected components in a progressively densified neighborhood-graph. We present a number of applications where the use of multiple geometric models improves accuracy. These include pose estimation from multiple generalized homographies; trajectory estimation of fast-moving objects; and we also propose a way of using multiple homographies in global SfM algorithms. Source code: https://github.com/danini/clustering-in-consensus-space.
• Abstract（参考訳）: 本稿では,未知数の幾何モデル,例えばホモグラフを求める新しいアルゴリズムを提案する。 この問題は、spash point-to-model代入を形成することなく、支配的なモデルインスタンスを段階的に見つけることで形式化される。 支配的なインスタンスは、前述したインスタンスを考慮したモデル品質関数によって駆動されるransacライクなサンプリングと統合プロセスを通じて見つかる。 新しいものは、コンセンサス空間におけるクラスタリングによって見つかる。 この新たな定式化は、複数の視覚問題でリアルタイムに実行しながら、最先端の精度を持つ単純な反復アルゴリズムをもたらす。 また,実世界のデータが空間的にコヒーレントな構造を形成する傾向があることを反映する決定論的サンプリング器を提案する。 サンプルは、徐々に密度を増した近傍グラフで連結成分を返す。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これらには,多重一般化ホモグラフからのポーズ推定,高速移動物体の軌道推定,グローバルsfmアルゴリズムにおける複数ホモグラフの利用方法などが含まれる。 ソースコード: https://github.com/danini/clustering-in-consensus-space。

関連論文リスト

• STREAM: A Universal State-Space Model for Sparse Geometric Data [2.9483719973596303]
  ポイントクラウドやイベントベースのビジョンなど、非構造化の幾何学的データを扱うことは、マシンビジョンの分野における急激な課題である。 状態空間モデルのパラメータ化に幾何構造を明示的にエンコードすることを提案する。 本モデルでは, スパースデータを最新のハードウェアに効率的にマッピングするために, カーネルを改良したMamba選択状態空間モデルをデプロイする。
  論文  参考訳（メタデータ） (2024-11-19T16:06:32Z)
• PARSAC: Accelerating Robust Multi-Model Fitting with Parallel Sample Consensus [26.366299016589256]
  雑音データから幾何モデルの複数事例を頑健に推定するリアルタイム手法を提案する。 ニューラルネットワークは、入力データを潜在的モデルインスタンスを表すクラスタに分割する。 我々は、画像当たり5ミリ秒の推論時間を持つ複数の確立されたデータセットと同様に、これらに対して最先端のパフォーマンスを実証する。
  論文  参考訳（メタデータ） (2024-01-26T14:54:56Z)
• Adaptively-weighted Integral Space for Fast Multiview Clustering [54.177846260063966]
  線形複雑度に近い高速マルチビュークラスタリングのための適応重み付き積分空間(AIMC)を提案する。 特に、ビュー生成モデルは、潜在積分空間からのビュー観測を再構成するために設計されている。 いくつかの実世界のデータセットで実施された実験は、提案したAIMC法の優位性を確認した。
  論文  参考訳（メタデータ） (2022-08-25T05:47:39Z)
• T-LoHo: A Bayesian Regularization Model for Structured Sparsity and Smoothness on Graphs [0.0]
  グラフ構造化データでは、構造化されたスパーシリティと滑らかさが団結する傾向にある。 グラフィカルな関係を持つ高次元パラメータに先立って提案する。 構造された空間と滑らかさを同時に検出するために使用します。
  論文  参考訳（メタデータ） (2021-07-06T10:10:03Z)
• Conjugate Mixture Models for Clustering Multimodal Data [24.640116037967985]
  マルチモーダルクラスタリングの問題は、データが物理的に異なるセンサーで収集されるたびに発生する。 マルチモーダルクラスタリングは,新しいフレームワーク,すなわち共役混合モデル内で対処できることを示す。
  論文  参考訳（メタデータ） (2020-12-09T10:13:22Z)
• Model identification and local linear convergence of coordinate descent [74.87531444344381]
  循環座標降下は、幅広い種類の関数に対して有限時間でモデル同定を達成することを示す。 また、座標降下に対する局所収束速度を明示的に証明する。
  論文  参考訳（メタデータ） (2020-10-22T16:03:19Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Learning Gaussian Graphical Models via Multiplicative Weights [54.252053139374205]
  乗算重み更新法に基づいて,Klivans と Meka のアルゴリズムを適用した。 アルゴリズムは、文献の他のものと質的に類似したサンプル複雑性境界を楽しみます。 ランタイムが低い$O(mp2)$で、$m$サンプルと$p$ノードの場合には、簡単にオンライン形式で実装できる。
  論文  参考訳（メタデータ） (2020-02-20T10:50:58Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。