論文の概要: Towards a Unified Approach to Homography Estimation Using Image Features and Pixel Intensities

• arxiv url: http://arxiv.org/abs/2202.09716v1
• Date: Sun, 20 Feb 2022 02:47:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-25 13:58:21.743595
• Title: Towards a Unified Approach to Homography Estimation Using Image Features and Pixel Intensities
• Title（参考訳）: 画像特徴と画素強度を用いたホログラフィー推定への統一的アプローチに向けて
• Authors: Lucas Nogueira, Ely C. de Paiva, Geraldo Silvera
• Abstract要約: ホモグラフィ行列は、様々な視覚に基づくロボットタスクにおいて重要な要素である。 伝統的に、ホモグラフィー推定アルゴリズムは特徴ベースまたは強度ベースに分類される。 本稿では,2つのクラスを1つの非線形最適化手順に統合するハイブリッド手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The homography matrix is a key component in various vision-based robotic tasks. Traditionally, homography estimation algorithms are classified into feature- or intensity-based. The main advantages of the latter are their versatility, accuracy, and robustness to arbitrary illumination changes. On the other hand, they have a smaller domain of convergence than the feature-based solutions. Their combination is hence promising, but existing techniques only apply them sequentially. This paper proposes a new hybrid method that unifies both classes into a single nonlinear optimization procedure, applies the same minimization method, and uses the same homography parametrization and warping function. Experimental validation using a classical testing framework shows that the proposed unified approach has improved convergence properties compared to each individual class. These are also demonstrated in a visual tracking application. As a final contribution, our ready-to-use implementation of the algorithm is made publicly available to the research community.
• Abstract（参考訳）: ホモグラフィ行列は、様々な視覚に基づくロボットタスクにおいて重要な要素である。 伝統的に、ホモグラフィ推定アルゴリズムは特徴量や強度に基づいて分類される。 後者の主な利点は、任意の照明変化に対する汎用性、精度、堅牢性である。 一方、それらは特徴ベースのソリューションよりも収束の領域が小さい。 それらの組み合わせは有望だが、既存の技術は連続的にしか適用できない。 本稿では,両クラスを1つの非線形最適化手順に統合し,同じ最小化法を適用し,同じホモグラフィパラメトリゼーションとワープ関数を用いるハイブリッド手法を提案する。 古典的なテストフレームワークを用いた実験的検証により、提案する統一アプローチは、個々のクラスに対する収束特性を改善した。 これらは視覚追跡アプリケーションでも実証されている。 最終的な貢献として、我々のアルゴリズムの実装は、研究コミュニティに公開されています。

関連論文リスト

• Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
  高速な画像認識を実現するために,重みに基づく目的関数を提案する。 単純なアルゴリズムを用いたしきい値最適化手法を提案する。 異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T04:46:51Z)
• Adaptive Image Registration: A Hybrid Approach Integrating Deep Learning and Optimization Functions for Enhanced Precision [13.242184146186974]
  本稿では,ディープニューラルネットワークと最適化に基づく画像登録のための単一のフレームワークを提案する。 また, 実験データの最大1.6%の改善と, 同じ推定時間を維持しつつ, 変形場平滑化における1.0%の性能向上を示す。
  論文  参考訳（メタデータ） (2023-11-27T02:48:06Z)
• Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
  本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。 微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
  論文  参考訳（メタデータ） (2023-02-24T18:41:48Z)
• Stabilizing Q-learning with Linear Architectures for Provably Efficient Learning [53.17258888552998]
  本研究では,線形関数近似を用いた基本的な$Q$-learningプロトコルの探索変種を提案する。 このアルゴリズムの性能は,新しい近似誤差というより寛容な概念の下で,非常に優雅に低下することを示す。
  論文  参考訳（メタデータ） (2022-06-01T23:26:51Z)
• Revisiting Consistency Regularization for Semi-Supervised Learning [80.28461584135967]
  そこで我々は,FeatDistLossというシンプルな手法により,一貫性の規則化を改良したフレームワークを提案する。 実験結果から,本モデルは様々なデータセットや設定のための新しい技術状態を定義する。
  論文  参考訳（メタデータ） (2021-12-10T20:46:13Z)
• Revisiting The Evaluation of Class Activation Mapping for Explainability: A Novel Metric and Experimental Analysis [54.94682858474711]
  クラスアクティベーションマッピング(cam)アプローチは、アクティベーションマップの平均を重み付けすることで、効果的な可視化を提供する。 説明マップを定量化するための新しいメトリクスセットを提案し、より効果的な方法を示し、アプローチ間の比較を簡素化します。
  論文  参考訳（メタデータ） (2021-04-20T21:34:24Z)
• Meta-Regularization: An Approach to Adaptive Choice of the Learning Rate in Gradient Descent [20.47598828422897]
  第一次下降法における学習率の適応的選択のための新しいアプローチであるtextit-Meta-Regularizationを提案する。 本手法は,正規化項を追加して目的関数を修正し,共同処理パラメータをキャストする。
  論文  参考訳（メタデータ） (2021-04-12T13:13:34Z)
• Explicit homography estimation improves contrastive self-supervised learning [0.30458514384586394]
  本稿では,自己教師付きコントラスト学習パラダイムにおける追加目標として機能するモジュールを提案する。 アフィン変換やホモグラフィのパラメータをレグレッションするためにこのモジュールを組み込むことで、パフォーマンスと学習速度の両方が向上することを示す。
  論文  参考訳（メタデータ） (2021-01-12T19:33:37Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。