論文の概要: On the Instability of Relative Pose Estimation and RANSAC's Role

• arxiv url: http://arxiv.org/abs/2112.14651v1
• Date: Wed, 29 Dec 2021 16:56:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-30 16:21:46.733506
• Title: On the Instability of Relative Pose Estimation and RANSAC's Role
• Title（参考訳）: 相対的ポース推定の不安定性とRANSACの役割について
• Authors: Hongyi Fan, Joe Kileel, Benjamin Kimia
• Abstract要約: 多視点幾何学における本質的および基本的行列推定のための5点および7点問題の数値的不安定性について検討する。 また、画像データの観点から不適切なインスタンスを特徴付ける。
• 参考スコア（独自算出の注目度）: 3.158346511479111
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we study the numerical instabilities of the 5- and 7-point problems for essential and fundamental matrix estimation in multiview geometry. In both cases we characterize the ill-posed world scenes where the condition number for epipolar estimation is infinite. We also characterize the ill-posed instances in terms of the given image data. To arrive at these results, we present a general framework for analyzing the conditioning of minimal problems in multiview geometry, based on Riemannian manifolds. Experiments with synthetic and real-world data then reveal a striking conclusion: that Random Sample Consensus (RANSAC) in Structure-from-Motion (SfM) does not only serve to filter out outliers, but RANSAC also selects for well-conditioned image data, sufficiently separated from the ill-posed locus that our theory predicts. Our findings suggest that, in future work, one could try to accelerate and increase the success of RANSAC by testing only well-conditioned image data.
• Abstract（参考訳）: 本稿では,多視点幾何学における基本行列および基本行列推定のための5点および7点問題の数値不安定性について検討する。 いずれの場合も、エピポーラ推定の条件数が無限である不測の世界シーンを特徴付ける。 また,与えられた画像データを用いて,不適切なインスタンスを特徴付ける。 これらの結果を達成するために,多視点幾何学における最小問題の条件付けをリーマン多様体に基づいて解析する一般的な枠組みを提案する。 SfM(Structure-from-Motion)のRANSAC(Random Sample Consensus)は、外乱を除去するだけでなく、RANSACは、我々の理論が予測する不測の軌跡から十分に分離した、十分に条件の整った画像データを選択する。 今後,画像データのみを検査することで,RANSACの成功を加速し,向上させることが期待できる。

関連論文リスト

• RANRAC: Robust Neural Scene Representations via Random Ray Consensus [12.161889666145127]
  RANRAC(RANdom RAy Consensus)は、一貫性のないデータの影響を排除するための効率的な手法である。 我々はRANSACパラダイムのファジィ適応を定式化し、大規模モデルへの適用を可能にした。 その結果, 新規な視点合成のための最先端のロバストな手法と比較して, 顕著な改善が見られた。
  論文  参考訳（メタデータ） (2023-12-15T13:33:09Z)
• Soft Random Sampling: A Theoretical and Empirical Analysis [59.719035355483875]
  ソフトランダムサンプリング(SRS)は、大量のデータを扱う際に、効率的なディープニューラルネットワークに対して単純だが効果的なアプローチである。 それは、各エポックに設定された各データセットから、ランダムに置換された均一な速度を選択する。 実世界の産業規模で重要な競争力を持つ、強力で競争力のある戦略であることが示されている。
  論文  参考訳（メタデータ） (2023-11-21T17:03:21Z)
• Condition numbers in multiview geometry, instability in relative pose estimation, and RANSAC [6.292138336765964]
  本稿では,複数のビュー幾何学における最小問題の数値条件付けを解析するための一般的な枠組みを提案する。 特別な動機は、通常の5ポイントまたは7ポイントのランダムサンプルコンセンサス(RANSAC)アルゴリズムに基づく相対的なポーズ推定が、外れ値が存在しない場合でも失敗するという事実にある。 これらのケースは、5点と7点の極小問題の本質的な不安定性に起因すると論じる。
  論文  参考訳（メタデータ） (2023-10-04T10:45:55Z)
• Curvature-Independent Last-Iterate Convergence for Games on Riemannian Manifolds [77.4346324549323]
  本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。 我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Two-View Geometry Scoring Without Correspondences [35.32985833785038]
  カメラのポーズ推定は伝統的にRANSACに依存している。 本稿では,一対の重なり合う画像と,提案する基本行列のスコアを推定する基本スコアネットワーク(FSNet)を提案する。
  論文  参考訳（メタデータ） (2023-06-02T15:07:48Z)
• Realistic Data Enrichment for Robust Image Segmentation in Histopathology [2.248423960136122]
  拡散モデルに基づく新しい手法を提案し、不均衡なデータセットを、表現不足なグループから有意な例で拡張する。 本手法は,限定的な臨床データセットを拡張して,機械学習パイプラインのトレーニングに適したものにする。
  論文  参考訳（メタデータ） (2023-04-19T09:52:50Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• AdAUC: End-to-end Adversarial AUC Optimization Against Long-tail Problems [102.95119281306893]
  我々は、AUCを最適化するための敵の訓練方法を探求するための早期トライアルを提示する。 我々は、AUC最適化問題をサドル点問題として再構成し、目的がインスタンスワイズ関数となる。 我々の分析は, min-max問題の勾配を計算して, 逆例を生成するアルゴリズムが求められているため, 既存の研究と異なる。
  論文  参考訳（メタデータ） (2022-06-24T09:13:39Z)
• Approximating Persistent Homology for Large Datasets [0.0]
  永続ホモロジーは、永続図形の統計的な要約を生成する。 広く使われているにもかかわらず、データセットが非常に大きい場合、永続的ホモロジーは単純に実装できない。 サブサンプルの永続性図の平均は、より大きなデータセットの真の永続性ホモロジーの有効な近似であることを示す。
  論文  参考訳（メタデータ） (2022-04-19T23:07:27Z)
• Combining Observational and Randomized Data for Estimating Heterogeneous Treatment Effects [82.20189909620899]
  不均一な治療効果を推定することは、多くの領域において重要な問題である。 現在、現存するほとんどの作品は観測データにのみ依存している。 本稿では、大量の観測データと少量のランダム化データを組み合わせることで、不均一な処理効果を推定する。
  論文  参考訳（メタデータ） (2022-02-25T18:59:54Z)
• Enhanced Principal Component Analysis under A Collaborative-Robust Framework [89.28334359066258]
  重み学習とロバストな損失を非自明な方法で組み合わせる,一般的な協調ロバスト重み学習フレームワークを提案する。 提案されたフレームワークでは、トレーニング中の重要度を示す適切なサンプルの一部のみがアクティブになり、エラーが大きい他のサンプルは無視されません。 特に、不活性化試料の負の効果はロバスト損失関数によって軽減される。
  論文  参考訳（メタデータ） (2021-03-22T15:17:37Z)

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。