論文の概要: Colored Point Cloud to Image Alignment
- arxiv url: http://arxiv.org/abs/2110.03249v1
- Date: Thu, 7 Oct 2021 08:12:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-08 15:42:48.079202
- Title: Colored Point Cloud to Image Alignment
- Title（参考訳）: 画像アライメントのためのカラーポイントクラウド
- Authors: Noam Rotstein, Amit Bracha, Ron Kimmel
- Abstract要約: そこで本研究では,カラーマッチングと幾何マッチングにより,色付き点雲を所定の色画像に整列する微分最適化手法を提案する。
カメラ画像と点雲の色との変換は、点雲の相対的な位置と一致した色とのマッチングを繰り返すことによって行う。
- 参考スコア（独自算出の注目度）: 15.828285556159026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recognition and segmentation of objects in images enjoy the wealth of large
volume of well annotated data. At the other end, when dealing with the
reconstruction of geometric structures of objects from images, there is a
limited amount of accurate data available for supervised learning. One type of
such geometric data with insufficient amount required for deep learning is real
world accurate RGB-D images. The lack of accurate RGB-D datasets is one of the
obstacles in the evolution of geometric scene reconstructions from images. One
solution to creating such a dataset is to capture RGB images while
simultaneously using an accurate depth scanning device that assigns a depth
value to each pixel. A major challenge in acquiring such ground truth data is
the accurate alignment between the RGB images and the measured depth and color
profiles. We introduce a differential optimization method that aligns a colored
point cloud to a given color image via iterative geometric and color matching.
The proposed method enables the construction of RGB-D datasets for specific
camera systems. In the suggested framework, the optimization minimizes the
difference between the colors of the image pixels and the corresponding colors
of the projected points to the camera plane. We assume that the colors produced
by the geometric scanner camera and the color camera sensor are different and
thus are characterized by different chromatic acquisition properties. We align
the different color spaces while compensating for their corresponding color
appearance. Under this setup, we find the transformation between the camera
image and the point cloud colors by iterating between matching the relative
location of the point cloud and matching colors. The successful alignments
produced by the proposed method are demonstrated on both synthetic data with
quantitative evaluation and real world scenes with qualitative results.
- Abstract（参考訳）: 画像中のオブジェクトの認識とセグメンテーションは、多くの注釈付きデータの富を享受する。
一方,画像から物体の幾何学的構造を再構築する場合,教師あり学習に利用可能な正確なデータは限られている。
深層学習に必要な量が少ない幾何学的データの1つは、実世界の正確なRGB-D画像である。
正確なRGB-Dデータセットの欠如は、画像からの幾何学的シーン再構成の進化における障害の1つである。
このようなデータセットを作成するための解決策の1つは、各ピクセルに深度値を割り当てる正確な深度スキャン装置を同時に使用しながら、RGB画像をキャプチャすることである。
このような真実データを取得する上での大きな課題は、RGB画像と測定された深さと色プロファイルの正確な一致である。
そこで本研究では,カラーマッチングと幾何マッチングにより,色付き点雲を所定の色画像に整列する微分最適化手法を提案する。
提案手法は,特定のカメラシステムのためのRGB-Dデータセットの構築を可能にする。
提案フレームワークでは,画像画素の色と投影された点のカメラ面に対する色との差を最小化する。
幾何学的スキャナーカメラとカラーカメラセンサーで生成する色は異なると仮定し,彩色特性が異なることを特徴とする。
異なる色空間を調整し、対応する色外観を補正する。
この設定では、点雲の相対的な位置と一致する色とのマッチングにより、カメラ画像と点雲の色の間の変換を繰り返す。
提案手法により得られたアライメントを定量的に評価した合成データと定性的な結果を得た実世界の両方で実証した。
関連論文リスト
- Clothes Grasping and Unfolding Based on RGB-D Semantic Segmentation [21.950751953721817]
セグメンテーションのための双方向フラクタルクロスフュージョンネットワーク(BiFCNet)を提案する。
我々は、Fractal Cross FusionモジュールがRGBと深度データを融合するネットワークへの入力として、リッチな色特徴を持つRGB画像を使用する。
実データ収集のコストを削減するため,敵対的戦略に基づくデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2023-05-05T03:21:55Z) - Spherical Space Feature Decomposition for Guided Depth Map
Super-Resolution [123.04455334124188]
誘導深度マップ超解像(GDSR)は、低解像度(LR)深度マップに高解像度(HR)RGB画像を含む追加情報を加えることを目的としている。
本稿では,この問題を解決するために,Spherical Space Feature Decomposition Network (SSDNet)を提案する。
提案手法は,4つのテストデータセットの最先端結果と実世界のシーンへの一般化を実現する。
論文 参考訳（メタデータ） (2023-03-15T21:22:21Z) - 4D LUT: Learnable Context-Aware 4D Lookup Table for Image Enhancement [50.49396123016185]
学習可能なコンテキスト対応4次元ルックアップテーブル(4D LUT)を提案する。
写真コンテキストを適応的に学習することで、各画像内の異なる内容のコンテンツ依存的な拡張を実現する。
従来の3D LUT、すなわちRGBへのRGBマッピングと比較して、4D LUTは画像ごとに異なる内容の画素の色変換をより細かく制御できる。
論文 参考訳（メタデータ） (2022-09-05T04:00:57Z) - Scale Invariant Semantic Segmentation with RGB-D Fusion [12.650574326251023]
RGB-D画像を用いたスケール不変セマンティックセグメンテーションのためのニューラルネットワークアーキテクチャを提案する。
画素単位のセマンティックセグメンテーションのためのRGBデータに深度情報を組み込んで,屋外シーンにおける異なるスケールオブジェクトに対処する。
我々のモデルはコンパクトであり、他のRGBモデルにも容易に適用できる。
論文 参考訳（メタデータ） (2022-04-10T12:54:27Z) - Influence of Color Spaces for Deep Learning Image Colorization [2.3705923859070217]
既存のカラー化手法は、RGB、YUV、Labなど、さまざまな色空間に依存している。
本章では,深層ニューラルネットワークのトレーニングによって得られる結果に対する影響について検討する。
RGB,YUV,Labの色空間と同一の深層ニューラルネットワークアーキテクチャを用いて得られた結果を比較した。
論文 参考訳（メタデータ） (2022-04-06T14:14:07Z) - Transform your Smartphone into a DSLR Camera: Learning the ISP in the
Wild [159.71025525493354]
本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。
トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
論文 参考訳（メタデータ） (2022-03-20T20:13:59Z) - Boosting RGB-D Saliency Detection by Leveraging Unlabeled RGB Images [89.81919625224103]
RGB-D Salient Object Detection (SOD) のための深層モデルの訓練は、しばしば多数のラベル付きRGB-D画像を必要とする。
本稿では、ラベルのないRGB画像を活用するために、Dual-Semi RGB-D Salient Object Detection Network (DS-Net)を提案する。
論文 参考訳（メタデータ） (2022-01-01T03:02:27Z) - RGB-D Image Inpainting Using Generative Adversarial Network with a Late
Fusion Approach [14.06830052027649]
Diminished Realityは、ビデオ画像からオブジェクトを取り除き、行方不明の領域を可視画素で埋めることを目的とした技術だ。
生成逆数ネットワークを用いたRGB-D画像の描画手法を提案する。
論文 参考訳（メタデータ） (2021-10-14T14:44:01Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2021-08-18T12:41:36Z) - PDC: Piecewise Depth Completion utilizing Superpixels [0.0]
現在のアプローチは、いくつかの既知の欠点のあるCNNベースのメソッドに依存することが多い。
深層学習なしで完全に機能する小説『Piecewise Depth Completion』(PDC)を提案する。
本評価では,提案した処理ステップがKITTIデータセットに与える影響と,本手法の全体的な性能に与える影響について述べる。
論文 参考訳（メタデータ） (2021-07-14T13:58:39Z) - Learning to Structure an Image with Few Colors [59.34619548026885]
そこで,カラー量子化ネットワークであるColorCNNを提案する。
1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。
アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-17T17:56:15Z)
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。