論文の概要: Multi-view Geometry: Correspondences Refinement Based on Algebraic Properties

• arxiv url: http://arxiv.org/abs/2205.01634v1
• Date: Tue, 3 May 2022 17:08:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-04 16:01:31.525734
• Title: Multi-view Geometry: Correspondences Refinement Based on Algebraic Properties
• Title（参考訳）: マルチビュー幾何学:代数的特性に基づく対応強化
• Authors: Trung-Kien Le, Ping Li
• Abstract要約: 対応推定や特徴マッチングは、画像に基づく3D再構成問題において重要なステップである。 本稿では,対応性に関する2つの代数的性質を提案する。 そこで本研究では,キーポイントの復号化,外乱認識,キーポイントの復号化のためのアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 19.239151499288152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Correspondences estimation or feature matching is a key step in the image-based 3D reconstruction problem. In this paper, we propose two algebraic properties for correspondences. The first is a rank deficient matrix construct from the correspondences of at least nine key-points on two images (two-view correspondences) and the second is also another rank deficient matrix built from the other correspondences of six key-points on at least five images (multi-view correspondences). To our knowledge, there are no theoretical results for multi-view correspondences prior to this paper. To obtain accurate correspondences, multi-view correspondences seem to be more useful than two-view correspondences. From these two algebraic properties, we propose an refinement algorithm for correspondences. This algorithm is a combination of correspondences refinement, outliers recognition and missing key-points recovery. Real experiments from the project of reconstructing Buddha statue show that the proposed refinement algorithm can reduce the average error from 77 pixels to 55 pixels on the correspondences estimation. This drop is substantial and it validates our results.
• Abstract（参考訳）: 対応推定や特徴マッチングは、画像に基づく3D再構成問題において重要なステップである。 本稿では,対応に対する2つの代数的性質を提案する。 1つは2つの画像上の少なくとも9つのキーポイントの対応から構成された階数不足行列であり、2つ目は少なくとも5つの画像上の6つのキーポイントの他の対応から構築された階数不足行列である。 本論文に先立っては,複数ビュー対応に関する理論的結果は得られなかった。 正確な対応を得るためには、多視点対応は2視点対応よりも有用であると考えられる。 これら2つの代数的性質から,対応に関する改良アルゴリズムを提案する。 このアルゴリズムは対応の洗練、外れ値の認識、キーポイントの回復の欠如を組み合わせたものである。 仏像再建計画による実実験の結果,提案手法は,対応推定において77画素から55画素までの平均誤差を低減できることがわかった。 この落ち込みは相当なもので、その結果を検証します。

関連論文リスト

• Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
  本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。 以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-15T12:38:46Z)
• Zero-Shot Image Feature Consensus with Deep Functional Maps [20.988872402347756]
  より優れた対応戦略が利用可能であることを示し,対応フィールドに直接構造を課す関数写像について述べる。 提案手法は,学習対象の大規模視覚モデルに埋め込まれた知識をよりよく反映し,よりスムーズなだけでなく,より正確に対応できることを示す。
  論文  参考訳（メタデータ） (2024-03-18T17:59:47Z)
• Match me if you can: Semi-Supervised Semantic Correspondence Learning with Unpaired Images [76.47980643420375]
  本稿では,意味的対応の学習に固有のデータ・ハングリー・マターが存在するという仮説に基づく。 我々は,機械の監督を通じて,ペア化されたキーポイントを確実に強化する単純な機械注釈器を実証する。 我々のモデルは,SPair-71k,PF-PASCAL,PF-WILLOWといった意味対応学習ベンチマークの最先端モデルを上回る。
  論文  参考訳（メタデータ） (2023-11-30T13:22:15Z)
• Improving the matching of deformable objects by learning to detect keypoints [6.4587163310833855]
  本研究では,非剛性画像対応タスクにおける正しいマッチング数を増やすための新しい学習キーポイント検出手法を提案する。 我々はエンドツーエンドの畳み込みニューラルネットワーク(CNN)をトレーニングし、考慮された記述子により適したキーポイント位置を見つける。 実験により,本手法は検出手法と併用して多数の記述子の平均マッチング精度を向上させることを示した。 また,本手法を,現在利用可能な最も優れたキーポイント検出器と同等に動作する複雑な実世界のタスクオブジェクト検索に適用する。
  論文  参考訳（メタデータ） (2023-09-01T13:02:19Z)
• CheckerPose: Progressive Dense Keypoint Localization for Object Pose Estimation with Graph Neural Network [66.24726878647543]
  単一のRGB画像から固い物体の6-DoFのポーズを推定することは、非常に難しい課題である。 近年の研究では、高密度対応型解の大きな可能性を示している。 そこで本研究では,CheckerPoseというポーズ推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-29T17:30:53Z)
• Deep Probabilistic Graph Matching [72.6690550634166]
  本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。 提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-05T13:37:27Z)
• Semi-supervised Dense Keypoints Using Unlabeled Multiview Images [22.449168666514677]
  本稿では,ラベルのないマルチビュー画像を用いて高密度なキーポイント検出器を学習するための,エンド・ツー・エンドの半教師付きフレームワークを提案する。 鍵となる課題は、複数のビューで密接なキーポイント間の正確な対応を見つけることである。 2つの望ましい性質を符号化する新しい確率的極性制約を導出する。
  論文  参考訳（メタデータ） (2021-09-20T04:57:57Z)
• Deep Learning Image Recognition for Non-images [6.88204255655161]
  CPC-Rアルゴリズムは、非画像データを可視化することにより、非画像データを画像に変換する。 ディープラーニングCNNアルゴリズムは、これらの画像の学習問題を解決する。
  論文  参考訳（メタデータ） (2021-06-28T00:36:36Z)
• Isometric Multi-Shape Matching [50.86135294068138]
  形状間の対応を見つけることは、コンピュータビジョンとグラフィックスの基本的な問題である。 アイソメトリーは形状対応問題においてしばしば研究されるが、マルチマッチング環境では明確には考慮されていない。 定式化を解くのに適した最適化アルゴリズムを提案し,コンバージェンスと複雑性解析を提供する。
  論文  参考訳（メタデータ） (2020-12-04T15:58:34Z)
• Graph Structured Network for Image-Text Matching [127.68148793548116]
  微粒化対応学習のためのグラフ構造化マッチングネットワークを提案する。 GSMNは、明示的にオブジェクト、関係、属性を構造化されたフレーズとしてモデル化する。 実験により、GSMNはベンチマークで最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-01T08:20:42Z)

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。