論文の概要: Illumination-Invariant Active Camera Relocalization for Fine-Grained
Change Detection in the Wild
- arxiv url: http://arxiv.org/abs/2204.06580v1
- Date: Wed, 13 Apr 2022 18:00:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-16 07:21:01.163866
- Title: Illumination-Invariant Active Camera Relocalization for Fine-Grained
Change Detection in the Wild
- Title(参考訳): 野生における微粒化検出のための照明不変能動カメラ再局在
- Authors: Nan Li, Wei Feng, Qian Zhang
- Abstract要約: 本稿では,照度不変の能動カメラ再位置推定法について検討し,相対的なポーズ推定とスケール推定の両方を改善する。
画像ワープ誤差を最小限に抑え,各ACRの絶対スケールを求める線形システムを構築した。
我々の研究は、実世界の文化的遺産のきめ細かい変化監視タスクの実現可能性を大幅に拡大します。
- 参考スコア(独自算出の注目度): 12.104718944788141
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Active camera relocalization (ACR) is a new problem in computer vision that
significantly reduces the false alarm caused by image distortions due to camera
pose misalignment in fine-grained change detection (FGCD). Despite the fruitful
achievements that ACR can support, it still remains a challenging problem
caused by the unstable results of relative pose estimation, especially for
outdoor scenes, where the lighting condition is out of control, i.e., the twice
observations may have highly varied illuminations. This paper studies an
illumination-invariant active camera relocalization method, it improves both in
relative pose estimation and scale estimation. We use plane segments as an
intermediate representation to facilitate feature matching, thus further
boosting pose estimation robustness and reliability under lighting variances.
Moreover, we construct a linear system to obtain the absolute scale in each ACR
iteration by minimizing the image warping error, thus, significantly reduce the
time consume of ACR process, it is nearly $1.6$ times faster than the
state-of-the-art ACR strategy. Our work greatly expands the feasibility of
real-world fine-grained change monitoring tasks for cultural heritages.
Extensive experiments tests and real-world applications verify the
effectiveness and robustness of the proposed pose estimation method using for
ACR tasks.
- Abstract(参考訳): ACR(Active Camera Relocalization)は、コンピュータビジョンにおける新しい問題であり、細粒度変化検出(FGCD)におけるカメラポーズの誤調整による画像歪みによる誤報を著しく低減する。
ACRが支持できる実りある成果にもかかわらず、相対的なポーズ推定の不安定な結果、特に照明条件が制御不能な屋外のシーン、すなわち2回の観測では高い照度が得られているため、依然として困難な問題である。
本稿では,照明不変のアクティブカメラ再局在化法について検討し,相対的なポーズ推定とスケール推定の両方において改善する。
平面セグメントを中間表現として,特徴マッチングを容易にすることにより,照明変動下でのポーズ推定のロバスト性と信頼性をさらに高める。
さらに,画像ワープ誤差を最小化することにより,各ACRイテレーションの絶対スケールを得る線形システムを構築し,ACRプロセスの時間消費を大幅に削減し,最先端のACR戦略よりも1.6ドル近い速度で処理する。
我々の研究は、実世界の文化的遺産のきめ細かい変化監視タスクの実現可能性を大幅に拡大します。
大規模実験と実世界の応用により,ACRタスクを用いたポーズ推定手法の有効性とロバスト性を検証した。
関連論文リスト
- Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。
また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
論文 参考訳(メタデータ) (2024-09-11T06:12:03Z) - Learning Correction Errors via Frequency-Self Attention for Blind Image
Super-Resolution [1.734165485480267]
我々は,LCE(Learning Correction Errors)に着目した新しいブラインドSR手法を提案する。
SRネットワーク内では、元のLR画像とCLR画像の周波数学習の両方を利用して、SR性能を協調的に最適化する。
提案手法は,劣化推定と補正誤差に関連する課題を効果的に解決し,より正確なブラインド画像SRへの道を開く。
論文 参考訳(メタデータ) (2024-03-12T07:58:14Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳(メタデータ) (2023-09-02T09:07:36Z) - A Machine Vision Method for Correction of Eccentric Error: Based on
Adaptive Enhancement Algorithm [2.3436632098950456]
アダプティブ・エンハンスメント・アルゴリズム(AEA)は、クロスヘア画像を強化するために提案される。
AEAは、既存のガイドフィルタダークチャネルデハージングアルゴリズム(GFA)と、軽量マルチスケールDensely Connected Network(MDC-Net)で構成されている。
論文 参考訳(メタデータ) (2023-09-01T15:06:39Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳(メタデータ) (2022-08-05T09:36:13Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。
監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。
ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文 参考訳(メタデータ) (2020-12-18T08:25:39Z) - Joint Super-Resolution and Rectification for Solar Cell Inspection [7.591404302498596]
太陽電池モジュールの視覚検査は、太陽光発電プラントにおいて重要な監視施設である。
マルチフレーム超解像(MFSR)を低分解能測定列に適用する。
提案手法は, バイコビックアップサンプリングの3倍, 自動検査の2倍の精度を示す。
論文 参考訳(メタデータ) (2020-11-10T09:47:21Z) - Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。
REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。
このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文 参考訳(メタデータ) (2020-07-21T17:30:51Z) - Active Lighting Recurrence by Parallel Lighting Analogy for Fine-Grained
Change Detection [43.75265436581507]
能動照明再現(ALR)は、きめ細かな視覚検査と変化検出において非常に重要である。
ALRは光源を物理的に再局在させ、同一シーンの単一参照画像から照明条件を再現する。
本稿では,簡単な並列照明を類推モデルとして使用し,ランベルト法則に基づいて即時ナビゲーション球を構成することを提案する。
論文 参考訳(メタデータ) (2020-02-22T08:51:31Z)
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。