論文の概要: Efficient Large Scale Inlier Voting for Geometric Vision Problems
- arxiv url: http://arxiv.org/abs/2107.11810v1
- Date: Sun, 25 Jul 2021 14:13:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-27 16:06:14.073129
- Title: Efficient Large Scale Inlier Voting for Geometric Vision Problems
- Title（参考訳）: 幾何学的視覚問題に対する大規模不整形投票の効率化
- Authors: Dror Aiger, Simon Lynen, Jan Hosang, Bernhard Zeisl
- Abstract要約: コンピュータビジョンにおける多くの応用において、アウター・リジェクション(英語版)と等価に不整集合最適化(英語版)が重要な要素である。
我々は、$Rd$の「交差」$k$次元曲面に基づいて、外周拒絶に対する効率的で一般的なアルゴリズムを提案する。
本手法は, 複数枚のカメラにおいて, 多数の一致が低い不整合比で発生する問題に対するアプローチの汎用性を示す。
- 参考スコア（独自算出の注目度）: 3.1231364554255636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Outlier rejection and equivalently inlier set optimization is a key
ingredient in numerous applications in computer vision such as filtering
point-matches in camera pose estimation or plane and normal estimation in point
clouds. Several approaches exist, yet at large scale we face a combinatorial
explosion of possible solutions and state-of-the-art methods like RANSAC, Hough
transform or Branch\&Bound require a minimum inlier ratio or prior knowledge to
remain practical. In fact, for problems such as camera posing in very large
scenes these approaches become useless as they have exponential runtime growth
if these conditions aren't met. To approach the problem we present a efficient
and general algorithm for outlier rejection based on "intersecting"
$k$-dimensional surfaces in $R^d$. We provide a recipe for casting a variety of
geometric problems as finding a point in $R^d$ which maximizes the number of
nearby surfaces (and thus inliers). The resulting algorithm has linear
worst-case complexity with a better runtime dependency in the approximation
factor than competing algorithms while not requiring domain specific bounds.
This is achieved by introducing a space decomposition scheme that bounds the
number of computations by successively rounding and grouping samples. Our
recipe (and open-source code) enables anybody to derive such fast approaches to
new problems across a wide range of domains. We demonstrate the versatility of
the approach on several camera posing problems with a high number of matches at
low inlier ratio achieving state-of-the-art results at significantly lower
processing times.
- Abstract（参考訳）: カメラポーズ推定や平面における点マッチングのフィルタリングや、点雲における正規推定など、コンピュータビジョンにおける多くの応用において、アウター・リジェクションや等価不整集合最適化は重要な要素である。
いくつかのアプローチが存在するが、大規模には可能な解の組合せ的爆発に直面し、RANSAC、Hough transform、Branch\&Boundのような最先端の手法は、実用的であり続けるためには最小のインリエ比または事前知識を必要とする。
実際、非常に大きなシーンでのカメラポーズのような問題に対して、これらの条件が満たされない場合、これらのアプローチは指数関数的なランタイム成長を持つため、役に立たない。
この問題にアプローチするために, $r^d$ において "intersecting" $k$-dimensional surface に基づいた異常拒絶の効率的で一般的なアルゴリズムを提案する。
R^d$ の点を求めることで、近傍の曲面の数(したがって不等式)を最大化する様々な幾何学的問題を鋳造するレシピを提供する。
結果として得られるアルゴリズムは、ドメイン固有の境界を必要とせず、競合アルゴリズムよりも近似係数のランタイム依存性をより良く、線形な最悪のケース複雑性を持つ。
これは、連続的な丸めとサンプルのグループ化によって計算回数を制限した空間分解スキームを導入することによって達成される。
私たちのレシピ(とオープンソースコード)は、さまざまなドメインにまたがる新しい問題に対する、このような高速なアプローチを誰でも引き出すことができます。
本手法は,処理時間を大幅に下げた場合,低収率のマッチ数の多い複数のカメラフォーミング問題に対して,汎用性を示す。
関連論文リスト
- Approximate Integer Solution Counts over Linear Arithmetic Constraints [2.28438857884398]
本稿では,ポリトープ内の格子数に近似する新しいフレームワークを提案する。
我々のアルゴリズムは、数十次元のポリトープを解くことができ、最先端のカウンタを著しく上回る。
論文 参考訳（メタデータ） (2023-12-14T09:53:54Z) - Computing Star Discrepancies with Numerical Black-Box Optimization
Algorithms [56.08144272945755]
我々は,L_infty$星差分問題に対する8つの一般的な数値ブラックボックス最適化アルゴリズムを比較した。
使用済みのソルバは、ほとんどのケースで非常にひどいパフォーマンスを示します。
我々は、最先端の数値ブラックボックス最適化手法が問題のグローバルな構造を捉えるのに失敗していると疑っている。
論文 参考訳（メタデータ） (2023-06-29T14:57:56Z) - Fast and Robust Non-Rigid Registration Using Accelerated
Majorization-Minimization [35.66014845211251]
非剛性登録は、ターゲット形状と整合する非剛性な方法でソース形状を変形させるが、コンピュータビジョンにおける古典的な問題である。
既存のメソッドは通常$ell_p$型ロバストノルムを使用してアライメントエラーを測定し、変形の滑らかさを規則化する。
本稿では、アライメントと正規化のためのグローバルなスムーズなロバストノルムに基づく、ロバストな非剛体登録のための定式化を提案する。
論文 参考訳（メタデータ） (2022-06-07T16:00:33Z) - Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。
複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。
これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
論文 参考訳（メタデータ） (2021-03-25T14:35:07Z) - Hybrid Trilinear and Bilinear Programming for Aligning Partially
Overlapping Point Sets [85.71360365315128]
多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。
まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。
次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
論文 参考訳（メタデータ） (2021-01-19T04:24:23Z) - Online Model Selection for Reinforcement Learning with Function
Approximation [50.008542459050155]
我々は、$tildeO(L5/6 T2/3)$ regretで最適な複雑性に適応するメタアルゴリズムを提案する。
また、メタアルゴリズムは、インスタンス依存の後悔境界を著しく改善することを示す。
論文 参考訳（メタデータ） (2020-11-19T10:00:54Z) - Outlier-Robust Estimation: Hardness, Minimally Tuned Algorithms, and
Applications [25.222024234900445]
本稿では,外乱推定,一般化最大収束(G-MC),一般化最小正方形(G-TLS)の2つの統一式を提案する。
最悪の場合、(概して)外れ値の集合を見つけることは不可能である。
そこで我々は, 降圧器から降圧器を分離する方法を動的に決定する, 降圧器のリジェクションのための最小調整アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-29T21:06:13Z) - 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) - Computing stable resultant-based minimal solvers by hiding a variable [20.402488757146692]
コンピュータビジョンアプリケーションは、最小数の入力データ測定からカメラ幾何学を頑健に推定する必要がある。
本稿では,1つの変数を隠蔽することにより,方程式のスパース系を解くための興味深い代替スパース法について検討する。
研究結果から,提案手法は現状のGr"オブザーバベースの解法よりも安定な解法に導かれることが示された。
論文 参考訳（メタデータ） (2020-07-17T07:40:10Z) - Learning to Accelerate Heuristic Searching for Large-Scale Maximum
Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。
既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。
我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文 参考訳（メタデータ） (2020-05-09T02:48:23Z) - Quasi-Newton Solver for Robust Non-Rigid Registration [35.66014845211251]
データフィッティングと正規化のための大域的スムーズなロバスト推定器に基づくロバストな非剛性登録のための定式化を提案する。
本稿では,L-BFGS を用いた最小二乗問題の解法に,各繰り返しを減らし,最大化最小化アルゴリズムを適用した。
論文 参考訳（メタデータ） (2020-04-09T01:45:05Z)
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。