論文の概要: Robust Ellipsoid-specific Fitting via Expectation Maximization

• arxiv url: http://arxiv.org/abs/2110.13337v1
• Date: Tue, 26 Oct 2021 00:43:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-27 15:01:30.906207
• Title: Robust Ellipsoid-specific Fitting via Expectation Maximization
• Title（参考訳）: 期待最大化によるロバスト楕円体特異的フィッティング
• Authors: Zhao Mingyang, Jia Xiaohong, Ma Lei, Qiu Xinlin, Jiang Xin, and Yan Dong-Ming
• Abstract要約: 楕円体フィッティングは、物体の検出や形状近似などのマシンビジョンに一般的に関心がある。 騒音に富んだ3次元環境下でのエリプシドフィッティングの新規でロバストな手法を提案する。 本手法は楕円体固有であり, パラメータフリーであり, 騒音, 外れ値, 大軸比に対して頑健である。
• 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: Ellipsoid fitting is of general interest in machine vision, such as object detection and shape approximation. Most existing approaches rely on the least-squares fitting of quadrics, minimizing the algebraic or geometric distances, with additional constraints to enforce the quadric as an ellipsoid. However, they are susceptible to outliers and non-ellipsoid or biased results when the axis ratio exceeds certain thresholds. To address these problems, we propose a novel and robust method for ellipsoid fitting in a noisy, outlier-contaminated 3D environment. We explicitly model the ellipsoid by kernel density estimation (KDE) of the input data. The ellipsoid fitting is cast as a maximum likelihood estimation (MLE) problem without extra constraints, where a weighting term is added to depress outliers, and then effectively solved via the Expectation-Maximization (EM) framework. Furthermore, we introduce the vector {\epsilon} technique to accelerate the convergence of the original EM. The proposed method is compared with representative state-of-the-art approaches by extensive experiments, and results show that our method is ellipsoid-specific, parameter free, and more robust against noise, outliers, and the large axis ratio. Our implementation is available at https://zikai1.github.io/.
• Abstract（参考訳）: 楕円体フィッティングは、物体検出や形状近似など、機械視覚に一般的に興味を持つ。 既存のアプローチのほとんどは二次の最小二乗法に依存し、代数的あるいは幾何学的距離を最小化し、二次を楕円体として強制する追加の制約を課している。 しかし、軸比が一定のしきい値を超えると、異常値や非楕円型や偏りのある結果に影響を受けやすい。 これらの問題に対処するため, 騒音に富んだ3次元環境下での楕円体フィッティング法を提案する。 入力データのカーネル密度推定(KDE)により楕円体を明示的にモデル化する。 楕円型フィッティングは、余分な制約なく最大度推定(mle)問題としてキャスティングされ、重み付け項が加わり、減圧外乱項が加わり、期待最大化(em)フレームワークによって効果的に解決される。 さらに、元のEMの収束を加速するベクトル {\epsilon} 技術を導入する。 提案手法は,広範囲な実験により代表的な最先端手法と比較し,本手法は楕円型でパラメータフリーであり,雑音,異常値,大軸比に対してより頑健であることを示した。 実装はhttps://zikai1.github.io/で利用可能です。

関連論文リスト

• A Bayesian Approach Toward Robust Multidimensional Ellipsoid-Specific Fitting [0.0]
  本研究は, ノイズおよび外周波の汚染における散乱データに多次元楕円体を適合させる, 新規で効果的な方法を提案する。 楕円体領域内でのプリミティブパラメータの探索を制約するために、均一な事前分布を組み込む。 本研究では, 顕微鏡細胞計数, 3次元再構成, 幾何学的形状近似, 磁力計の校正タスクなど, 幅広い応用に応用する。
  論文  参考訳（メタデータ） (2024-07-27T14:31:51Z)
• Learning minimal volume uncertainty ellipsoids [1.6795461001108096]
  パラメータ推定問題に対する不確実性領域の学習問題を考察する。 連立ガウスデータの仮定により、最適楕円体が条件平均を中心としていることが証明される。 より実践的な場合、最適楕円体を近似計算するための微分可能な最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-05-03T19:11:35Z)
• Fast Semisupervised Unmixing Using Nonconvex Optimization [80.11512905623417]
  半/ライブラリベースのアンミックスのための新しい凸凸モデルを提案する。 スパース・アンミキシングの代替手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-23T10:07:41Z)
• Robust Ellipse Fitting Based on Maximum Correntropy Criterion With Variable Center [25.20786549560683]
  我々は,コネレンをベースとした外接点に頑健な楕円嵌合法を開発した。 提案手法は, シミュレーションデータと実画像の両方において, 既存の手法よりも有意に優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-10-24T01:59:22Z)
• Beyond EM Algorithm on Over-specified Two-Component Location-Scale Gaussian Mixtures [29.26015093627193]
  負の対数様関数の曲率を効率的に探索するために,指数位置更新法(ELU)アルゴリズムを開発した。 ELUアルゴリズムは、対数的な反復数の後、モデルの最終的な統計的半径に収束することを示した。
  論文  参考訳（メタデータ） (2022-05-23T06:49:55Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
  本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。 我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
  論文  参考訳（メタデータ） (2021-11-01T15:43:36Z)
• 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)
• Robust High Dimensional Expectation Maximization Algorithm via Trimmed Hard Thresholding [24.184520829631587]
  本研究では,高次元空間における任意の劣化サンプルを用いた潜在変数モデルの推定問題について検討する。 本稿では,トリミング勾配ステップを付加したトリミング予測最大化法を提案する。 アルゴリズムは汚損防止であり、幾何学的に(ほぼ)最適統計率に収束することを示す。
  論文  参考訳（メタデータ） (2020-10-19T15:00:35Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)
• Improved guarantees and a multiple-descent curve for Column Subset Selection and the Nystr\"om method [76.73096213472897]
  我々は,データ行列のスペクトル特性を利用して近似保証を改良する手法を開発した。 我々のアプローチは、特異値減衰の既知の速度を持つデータセットのバウンダリが大幅に向上する。 RBFパラメータを変更すれば,改良された境界線と多重発振曲線の両方を実データセット上で観測できることが示される。
  論文  参考訳（メタデータ） (2020-02-21T00:43:06Z)

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。