論文の概要: A Novel Factor Graph-Based Optimization Technique for Stereo Correspondence Estimation

• arxiv url: http://arxiv.org/abs/2109.11077v1
• Date: Wed, 22 Sep 2021 23:30:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-24 15:12:50.630402
• Title: A Novel Factor Graph-Based Optimization Technique for Stereo Correspondence Estimation
• Title（参考訳）: ステレオ対応推定のための新しい因子グラフに基づく最適化手法
• Authors: Hanieh Shabanian, Madhusudhanan Balasubramanian
• Abstract要約: 差分推定のための新しい因子グラフに基づく確率的グラフィカルモデルを提案する。 新たな因子グラフに基づく手法は、最近の非学習および学習に基づく分散度推定アルゴリズムと比較して、より高精度な分散度推定を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dense disparities among multiple views is essential for estimating the 3D architecture of a scene based on the geometrical relationship among the scene and the views or cameras. Scenes with larger extents of heterogeneous textures, differing scene illumination among the multiple views and with occluding objects affect the accuracy of the estimated disparities. Markov random fields (MRF) based methods for disparity estimation address these limitations using spatial dependencies among the observations and among the disparity estimates. These methods, however, are limited by spatially fixed and smaller neighborhood systems or cliques. In this work, we present a new factor graph-based probabilistic graphical model for disparity estimation that allows a larger and a spatially variable neighborhood structure determined based on the local scene characteristics. We evaluated our method using the Middlebury benchmark stereo datasets and the Middlebury evaluation dataset version 3.0 and compared its performance with recent state-of-the-art disparity estimation algorithms. The new factor graph-based method provided disparity estimates with higher accuracy when compared to the recent non-learning- and learning-based disparity estimation algorithms. In addition to disparity estimation, our factor graph formulation can be useful for obtaining maximum a posteriori solution to optimization problems with complex and variable dependency structures as well as for other dense estimation problems such as optical flow estimation.
• Abstract（参考訳）: シーンの幾何学的関係やビューやカメラに基づいてシーンの3次元構造を推定するには,複数のビュー間の密度格差が不可欠である。 異質なテクスチャの幅が大きいシーンは、複数のビューで異なるシーン照明を施し、オクルーディングオブジェクトを持つシーンは、推定されたバラツキの精度に影響する。 マルコフ確率場(MRF)に基づく不均質推定法は、観測値と不均質推定値の間の空間的依存関係を用いてこれらの制限に対処する。 しかし、これらの手法は、空間的に固定され、より小さな近隣システムまたは傾斜によって制限される。 本研究では,局所的なシーン特性に基づいて,より大きく,空間的に可変な近傍構造を決定できる分散度推定のための新しい因子グラフに基づく確率的グラフィカルモデルを提案する。 提案手法は,ミドルベリーベンチマークステレオデータセットとミドルベリー評価データセットバージョン3.0を用いて評価し,その性能を最新の状態差推定アルゴリズムと比較した。 新たな因子グラフベース手法は,近年の非学習型および学習型不均質推定アルゴリズムと比較して,高い精度で不均等推定を行った。 因子グラフの定式化は,複素および可変依存性構造を持つ最適化問題に対する最大後続解を得るのに有用であるとともに,光学フロー推定のような他の密な推定問題にも有用である。

関連論文リスト

• MAC-VO: Metrics-aware Covariance for Learning-based Stereo Visual Odometry [18.419627185893926]
  MAC-VOは,学習用ステレオVOである。 我々のキーポイントセレクタは、学習した不確実性を利用して、グローバルな不整合に基づいて低品質な特徴をフィルタリングする。
  論文  参考訳（メタデータ） (2024-09-14T16:49:42Z)
• RHiOTS: A Framework for Evaluating Hierarchical Time Series Forecasting Algorithms [0.393259574660092]
  RHiOTSは、階層的な時系列予測モデルとアルゴリズムを実世界のデータセット上で堅牢性を評価するように設計されている。 RHiOTSは、複雑な多次元ロバストネス評価結果を直感的で容易に解釈可能なビジュアルに変換する革新的な可視化コンポーネントを組み込んでいる。 従来の統計的手法は、変換効果が非常に破壊的である場合を除き、最先端のディープラーニングアルゴリズムよりも頑健であることを示す。
  論文  参考訳（メタデータ） (2024-08-06T18:52:15Z)
• RISP: Rendering-Invariant State Predictor with Differentiable Simulation and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
  既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。 本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。 提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
  論文  参考訳（メタデータ） (2022-05-11T17:59:51Z)
• Data-heterogeneity-aware Mixing for Decentralized Learning [63.83913592085953]
  グラフの混合重みとノード間のデータ不均一性の関係に収束の依存性を特徴付ける。 グラフが現在の勾配を混合する能力を定量化する計量法を提案する。 そこで本研究では,パラメータを周期的かつ効率的に最適化する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-13T15:54:35Z)
• Multi-Resolution Factor Graph Based Stereo Correspondence Algorithm [0.0]
  任意の視野方向のシーンの濃密な深度マップは、濃密な視野対応から推定することができる。 マルチレゾリューション係数グラフに基づくステレオマッチングアルゴリズム(MR-FGS)を提案する。 MR-FGSアルゴリズムはミドルベリーステレオベンチマークデータセットのステレオペアを用いて質的,定量的に評価した。
  論文  参考訳（メタデータ） (2022-02-02T22:27:10Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Explaining Algorithmic Fairness Through Fairness-Aware Causal Path Decomposition [37.823248189626014]
  本稿では,モデルの相違点の同定問題について検討する。 特徴重要度を学習する既存の解釈方法とは異なり,特徴変数間の因果関係を考察する。 我々のフレームワークはまた、モデルに依存しないものであり、様々な量的格差の尺度に適用できる。
  論文  参考訳（メタデータ） (2021-08-11T17:23:47Z)
• Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
  ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。 画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-09T12:26:27Z)
• A Framework for Sample Efficient Interval Estimation with Control Variates [94.32811054797148]
  確率変数の平均に対して信頼区間を推定する問題を考察する。 ある条件下では、既存の推定アルゴリズムと比較して効率が向上している。
  論文  参考訳（メタデータ） (2020-06-18T05:42:30Z)
• Dynamic Federated Learning [57.14673504239551]
  フェデレートラーニング(Federated Learning)は、マルチエージェント環境における集中的なコーディネーション戦略の包括的用語として登場した。 我々は、各イテレーションにおいて、利用可能なエージェントのランダムなサブセットがそのデータに基づいてローカル更新を実行する、フェデレートされた学習モデルを考える。 集約最適化問題に対する真の最小化器上の非定常ランダムウォークモデルの下で、アーキテクチャの性能は、各エージェントにおけるデータ変動率、各エージェントにおけるモデル変動率、アルゴリズムの学習率に逆比例する追跡項の3つの要因によって決定されることを示す。
  論文  参考訳（メタデータ） (2020-02-20T15:00:54Z)
• A hybrid algorithm for disparity calculation from sparse disparity estimates based on stereo vision [5.647516208808729]
  本研究では,ブロックベースと領域ベースのステレオマッチングを組み合わせたステレオ異方性推定手法を提案する。 ステレオ画像対の左画像または右画像の18%の画素の差分測定から高密度不均一マップを生成することができる。
  論文  参考訳（メタデータ） (2020-01-20T04:33:28Z)

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。