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

• Dimension reduction via score ratio matching [0.9012198585960441]
  スコアマッチングから派生したフレームワークを提案し、勾配を利用できない問題に勾配に基づく次元の減少を拡大する。 提案手法は,低次元構造を有する問題に対して,標準的なスコアマッチングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-25T22:21:03Z)
• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• Tensorial template matching for fast cross-correlation with rotations and its application for tomography [0.0]
  我々は、テンソル場を持つテンプレートのすべての回転を表す数学的枠組みに基づいて、テンソルテンプレートマッチングと呼ばれる新しいアルゴリズムを実装した。 テンソルテンプレートマッチングはテンプレートマッチングよりもはるかに高速であり,精度向上の可能性が示された。
  論文  参考訳（メタデータ） (2024-08-05T11:42:41Z)
• 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)
• 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。