Fugu-MT 論文翻訳(概要): Hybrid ICP

論文の概要: Hybrid ICP

arxiv url: http://arxiv.org/abs/2109.07559v1
Date: Wed, 15 Sep 2021 20:17:11 GMT
ステータス: 処理完了
システム内更新日: 2021-09-18 06:47:45.141314
Title: Hybrid ICP
Title（参考訳）: ハイブリッドICP
Authors: Kamil Dreczkowski and Edward Johns
Abstract要約: ハイブリッドICPは、オブジェクトのライブイメージに基づいて、データアソシエーション法とエラーメトリックの両方を動的に最適化する。オブジェクトポーズ推定に使用する場合、ハイブリッドICPは、他のよく使われるICP変種よりも正確で、ノイズに対して頑健であることを示す。
参考スコア（独自算出の注目度）: 8.57914821832517
License: http://creativecommons.org/licenses/by/4.0/
Abstract: ICP algorithms typically involve a fixed choice of data association method and a fixed choice of error metric. In this paper, we propose Hybrid ICP, a novel and flexible ICP variant which dynamically optimises both the data association method and error metric based on the live image of an object and the current ICP estimate. We show that when used for object pose estimation, Hybrid ICP is more accurate and more robust to noise than other commonly used ICP variants. We also consider the setting where ICP is applied sequentially with a moving camera, and we study the trade-off between the accuracy of each ICP estimate and the number of ICP estimates available within a fixed amount of time.
Abstract（参考訳）: ICPアルゴリズムは通常、データアソシエーション手法の固定選択とエラーメトリクスの固定選択を含む。本稿では、オブジェクトのライブイメージと現在のICP推定値に基づいて、データアソシエーション法とエラーメトリクスの両方を動的に最適化する、新しく柔軟なICP変種であるHybrid ICPを提案する。オブジェクトポーズ推定に使用する場合,ハイブリッドICPは他のICP変種よりも精度が高く,ノイズに対して頑健であることを示す。また、ICPを移動カメラで順次適用するための設定についても検討し、各ICP推定精度とICP推定回数とのトレードオフを一定時間内に検討する。

関連論文リスト

Semiparametric conformal prediction [79.6147286161434]
リスクに敏感なアプリケーションは、複数の、潜在的に相関したターゲット変数に対して、よく校正された予測セットを必要とする。スコアをランダムなベクトルとして扱い、それらの連接関係構造を考慮した予測セットを構築することを目的とする。実世界のレグレッション問題に対して,所望のカバレッジと競争効率について報告する。
論文参考訳（メタデータ） (2024-11-04T14:29:02Z)
Prepared for the Worst: A Learning-Based Adversarial Attack for Resilience Analysis of the ICP Algorithm [11.2178812847801]
本稿では,ライダー点雲に対する深層学習に基づく攻撃により,ICPアルゴリズムのレジリエンスを評価する新しい手法を提案する。提案した攻撃はICPに対して重大なポーズエラーを引き起こし、その88%以上でベースラインを上回ります。例として、ICPが測定結果の破損に対して特に脆弱である地図上の領域を特定するために、我々の攻撃が有効であることを示す。
論文参考訳（メタデータ） (2024-03-08T20:43:57Z)
Graph-SCP: Accelerating Set Cover Problems with Graph Neural Networks [1.3270612461223892]
Graph-SCPは、ソリューション空間を含むはるかに小さなサブプロブレムを識別することを学ぶことで、既存の最適化解法を強化するグラフニューラルネットワーク手法である。グラフ-SCPは問題サイズを60～80%削減し,実行速度を平均10倍に向上することを示す。 Graph-SCPのより大きな問題サイズへの一般化能力、3000サブセットのSCPインスタンスでのトレーニング、最大10,000サブセットのSCPインスタンスでのテストについて紹介する。
論文参考訳（メタデータ） (2023-10-12T01:57:27Z)
BO-ICP: Initialization of Iterative Closest Point Based on Bayesian Optimization [3.248584983235657]
臨界初期ICP変換を求めるため,ベイズ最適化に基づく新しい手法を提案する。同様の計算時間を与えられた場合,本手法は最先端の手法よりも優れていることを示す。 ICPの他の改良と互換性があり、初期変換の選択のみに焦点を当てている。
論文参考訳（メタデータ） (2023-04-25T19:38:53Z)
IPCC-TP: Utilizing Incremental Pearson Correlation Coefficient for Joint Multi-Agent Trajectory Prediction [73.25645602768158]
IPCC-TPはインクリメンタルピアソン相関係数に基づく新しい関連認識モジュールであり,マルチエージェントインタラクションモデリングを改善する。我々のモジュールは、既存のマルチエージェント予測手法に便利に組み込んで、元の動き分布デコーダを拡張することができる。
論文参考訳（メタデータ） (2023-03-01T15:16:56Z)
Deep Bayesian ICP Covariance Estimation [3.5136071950790737]
イテレーティブクローズトポイント(ICP)ポイントクラウド登録アルゴリズムは、状態推定とセンサ融合のために不可欠である。我々は、ICPの主なエラー源は、センサノイズからシーン形状に至るまで、入力データそのものにあると主張している。近年の深層学習によるポイントクラウドの活用により,ICPのエラーモデルを学ぶためのデータ駆動型アプローチを提案する。
論文参考訳（メタデータ） (2022-02-23T16:42:04Z)
Approximating Full Conformal Prediction at Scale via Influence Functions [30.391742057634264]
コンフォーマル予測(CP)は、従来の機械学習モデルを取り巻くラッパーである。本稿では、フルCPを効率的に近似するために影響関数を用いる。
論文参考訳（メタデータ） (2022-02-02T22:38:40Z)
PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文参考訳（メタデータ） (2021-09-28T17:56:41Z)
Layer Pruning on Demand with Intermediate CTC [50.509073206630994]
我々はコネクショニスト時間分類(CTC)に基づくASRの訓練と刈り取り方法を提案する。本稿では,Transformer-CTCモデルをオンデマンドで様々な深さでプルーニングできることを示し,GPU上でのリアルタイム係数を0.005から0.002に改善した。
論文参考訳（メタデータ） (2021-06-17T02:40:18Z)
Exact Optimization of Conformal Predictors via Incremental and Decremental Learning [46.9970555048259]
Conformal Predictors (CP) はMLメソッドのラッパーであり、データ分散に対する弱い仮定の下でエラー保証を提供する。分類や回帰から異常検出まで幅広い問題に適している。本研究では,基礎となるML手法と組み合わせて学習し,漸進的・漸進的学習を活用することにより,CP分類器を著しく高速化できることを示す。
論文参考訳（メタデータ） (2021-02-05T15:31:37Z)
Self-Calibration Supported Robust Projective Structure-from-Motion [80.15392629310507]
本稿では,自己校正制約によってマッチングプロセスが支持される統合されたStructure-from-Motion (SfM)法を提案する。これらの制約を利用して,ロバストなマルチビューマッチングと正確なカメラキャリブレーションを示す実験結果を示す。
論文参考訳（メタデータ） (2020-07-04T08:47:10Z)

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。