論文の概要: Optimizing Elimination Templates by Greedy Parameter Search
- arxiv url: http://arxiv.org/abs/2203.14901v1
- Date: Mon, 28 Mar 2022 17:06:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 17:13:38.494767
- Title: Optimizing Elimination Templates by Greedy Parameter Search
- Title(参考訳): グリーディパラメータ探索による除去テンプレートの最適化
- Authors: Evgeniy Martyushev, Jana Vrablikova, Tomas Pajdla
- Abstract要約: 本稿では,最小限の問題を効率よく解くために,除去テンプレートを構築するための新しい手法を提案する。
コンピュータビジョンにおける34の最小問題に対して,本手法を検証した。
また, 合成データを用いた実験により, 新しい解法は高速かつ数値的に精度が高いことがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a new method for constructing elimination templates for efficient
polynomial system solving of minimal problems in structure from motion, image
matching, and camera tracking. We first construct a particular affine
parameterization of the elimination templates for systems with a finite number
of distinct solutions. Then, we use a heuristic greedy optimization strategy
over the space of parameters to get a template with a small size. We test our
method on 34 minimal problems in computer vision. For all of them, we found the
templates either of the same or smaller size compared to the state-of-the-art.
For some difficult examples, our templates are, e.g., 2.1, 2.5, 3.8, 6.6 times
smaller. For the problem of refractive absolute pose estimation with unknown
focal length, we have found a template that is 20 times smaller. Our
experiments on synthetic data also show that the new solvers are fast and
numerically accurate. We also present a fast and numerically accurate solver
for the problem of relative pose estimation with unknown common focal length
and radial distortion.
- Abstract(参考訳): 本研究では, 移動, 画像マッチング, カメラトラッキングなどの最小問題を解くために, 効率的な多項式システムのための除去テンプレートを構築する手法を提案する。
まず,有限個の異なる解を持つ系に対する除去テンプレートの特定のアフィンパラメータ化を構築する。
次に,パラメータ空間上のヒューリスティックなグリーディ最適化戦略を用いて,小さなサイズのテンプレートを得る。
コンピュータビジョンにおける34の最小問題に対して本手法をテストした。
それらすべてにおいて、テンプレートは最先端のものと比べて、同じか小さいかのどちらかです。
難しい例では、テンプレートは2.1、2.5、3.8、6.6倍小さくなります。
焦点距離が不明な屈折絶対ポーズ推定の問題に対して,20倍のテンプレートが発見された。
また,合成データを用いた実験により,新しい解法が高速かつ数値的精度を示す。
また,未知の共通焦点長と放射歪を持つ相対ポーズ推定問題に対して,高速で高精度な解法を提案する。
関連論文リスト
- Learning Large-Scale MTP$_2$ Gaussian Graphical Models via Bridge-Block
Decomposition [15.322124183968635]
より小型のサブプロブレムを用いて問題全体を等価に最適化できることを示す。
実践的な側面から、この単純で証明可能な規律は、大きな問題を小さな抽出可能なものに分解するために適用することができる。
論文 参考訳(メタデータ) (2023-09-23T15:30:34Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Gaussian Graphical Model Selection for Huge Data via Minipatch Learning [1.2891210250935146]
グラフィカルモデル選択の問題を解決するために,MPGraph (Minipatch Graph) 推定器を提案する。
MPGraphは、観測とノードの両方の小さなランダムなサブセットに適合する閾値グラフ推定器の一般化である。
本アルゴリズムは有限サンプルグラフ選択の整合性を実現する。
論文 参考訳(メタデータ) (2021-10-22T21:06:48Z) - Accurate, Interpretable, and Fast Animation: AnIterative, Sparse, and
Nonconvex Approach [0.9176056742068814]
フェイスリグは正確でなければならないと同時に、その問題を解決するために高速に計算する必要がある。
各共通アニメーションモデルのパラメータの1つは、スパーシティ正規化である。
複雑性を低減するため、パラダイム・プライマリゼーション・ミニ(MM)が適用される。
論文 参考訳(メタデータ) (2021-09-17T05:42:07Z) - tFold-TR: Combining Deep Learning Enhanced Hybrid Potential Energy for
Template-Based Modelling Structure Refinement [53.98034511648985]
現在のテンプレートベースのモデリングアプローチは2つの重要な問題に苦しんでいる。
テンプレートの異なる領域からの距離対の精度は様々であり、この情報はモデリングにはあまり導入されていない。
2つのニューラルネットワークモデルは、欠落した領域の距離情報と、テンプレートモデリング構造における異なる領域の距離ペアの精度を予測する。
論文 参考訳(メタデータ) (2021-05-10T13:32:12Z) - Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。
複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。
これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
論文 参考訳(メタデータ) (2021-03-25T14:35:07Z) - Analysis of Truncated Orthogonal Iteration for Sparse Eigenvector
Problems [78.95866278697777]
本研究では,多元的固有ベクトルを分散制約で同時に計算するTruncated Orthogonal Iterationの2つの変種を提案する。
次に,我々のアルゴリズムを適用して,幅広いテストデータセットに対するスパース原理成分分析問題を解く。
論文 参考訳(メタデータ) (2021-03-24T23:11:32Z) - Globally Optimal Relative Pose Estimation with Gravity Prior [63.74377065002315]
例えば、車やUAVで使われるスマートフォン、タブレット、カメラシステムは、通常は重力ベクトルを正確に測定できるIMUを備えている。
我々は,最小二乗の意味での代数的誤差を最小限に抑え,過度に決定されたポーズにおける相対的なポーズを推定する,新しいグローバル最適解法を提案する。
提案した解法は、約50万枚の画像対を持つ4つの実世界のデータセットの最先端の解法と比較される。
論文 参考訳(メタデータ) (2020-12-01T13:09:59Z) - Boosting Data Reduction for the Maximum Weight Independent Set Problem
Using Increasing Transformations [59.84561168501493]
最大重み独立集合問題に対する新しい一般化データ削減および変換規則を導入する。
驚くべきことに、これらのいわゆる増進変換は問題を単純化し、還元空間を開き、アルゴリズムの後にさらに小さな既約グラフが得られる。
提案アルゴリズムは, 1つのインスタンスを除くすべての既約グラフを計算し, 従来よりも多くのインスタンスを最適に解き, 最高の最先端解法よりも最大2桁高速に解き, 解法DynWVCやHILSよりも高品質な解を求める。
論文 参考訳(メタデータ) (2020-08-12T08:52:50Z)
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。