論文の概要: Large-displacement 3D Object Tracking with Hybrid Non-local Optimization
- arxiv url: http://arxiv.org/abs/2207.12620v1
- Date: Tue, 26 Jul 2022 02:51:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-27 12:50:23.638651
- Title: Large-displacement 3D Object Tracking with Hybrid Non-local Optimization
- Title(参考訳): ハイブリッド非局所最適化による大変位3次元物体追跡
- Authors: Xuhui Tian, Xinran Lin, Fan Zhong, and Xueying Qin
- Abstract要約: 高速で効率的な非局所的な3Dトラッキング手法を提案する。
大きな変位では精度が大幅に向上する。
提案手法は, 小型および大型の変位に対して, 従来手法よりも優れた性能を示す。
- 参考スコア(独自算出の注目度): 4.224729914215171
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimization-based 3D object tracking is known to be precise and fast, but
sensitive to large inter-frame displacements. In this paper we propose a fast
and effective non-local 3D tracking method. Based on the observation that
erroneous local minimum are mostly due to the out-of-plane rotation, we propose
a hybrid approach combining non-local and local optimizations for different
parameters, resulting in efficient non-local search in the 6D pose space. In
addition, a precomputed robust contour-based tracking method is proposed for
the pose optimization. By using long search lines with multiple candidate
correspondences, it can adapt to different frame displacements without the need
of coarse-to-fine search. After the pre-computation, pose updates can be
conducted very fast, enabling the non-local optimization to run in real time.
Our method outperforms all previous methods for both small and large
displacements. For large displacements, the accuracy is greatly improved
($81.7\% \;\text{v.s.}\; 19.4\%$). At the same time, real-time speed ($>$50fps)
can be achieved with only CPU. The source code is available at
\url{https://github.com/cvbubbles/nonlocal-3dtracking}.
- Abstract(参考訳): 最適化に基づく3dオブジェクトトラッキングは正確かつ高速であることが知られているが、フレーム間の大きな変位に敏感である。
本稿では,高速かつ効果的な非局所的3d追跡手法を提案する。
平面外回転による局所最小値の誤検出から, パラメータの非局所的最適化と局所的最適化を組み合わせたハイブリッド手法を提案し, 6次元ポーズ空間における非局所的探索を効率よく行う。
また,ポーズ最適化のために,事前計算したロバスト輪郭追跡法を提案する。
複数の候補対応を持つ長い探索線を使用することで、粗大な探索を必要とせずに異なるフレーム変位に適応することができる。
プリ計算の後、ポーズ更新は非常に高速に実行でき、非ローカル最適化をリアルタイムで実行することができる。
提案手法は, 従来の小変位と大変位のいずれにおいても, すべてに勝る。
大きな変位では、精度が大幅に向上している(81.7\% \;\text{v.s.}\; 19.4\%$)。
同時に、リアルタイムの速度(=50fps)はCPUだけで実現できる。
ソースコードは \url{https://github.com/cvbubbles/nonlocal-3dtracking} で入手できる。
関連論文リスト
- DELTA: Dense Efficient Long-range 3D Tracking for any video [82.26753323263009]
DELTAは3次元空間内のすべてのピクセルを効率よく追跡し,ビデオ全体の正確な動き推定を可能にする手法である。
提案手法では,低分解能追跡のためのグローバルアテンション機構と,高分解能予測を実現するためのトランスフォーマーベースアップサンプラーを併用する。
提案手法は,3次元空間における細粒度・長期動作追跡を必要とするアプリケーションに対して,ロバストなソリューションを提供する。
論文 参考訳(メタデータ) (2024-10-31T17:59:01Z) - POPoS: Improving Efficient and Robust Facial Landmark Detection with Parallel Optimal Position Search [34.50794776762681]
本稿では,高精度符号化・復号化フレームワークであるParallel Optimal Position Search (POPoS)を紹介する。
Pseudo-range multilateration は、ヒートマップエラーを補正し、ランドマークのローカライゼーションの精度を高めるために使用される。
1ステップ並列アルゴリズムを導入し、計算効率を大幅に向上し、処理時間を短縮する。
論文 参考訳(メタデータ) (2024-10-12T16:28:40Z) - Look Gauss, No Pose: Novel View Synthesis using Gaussian Splatting without Accurate Pose Initialization [11.418632671254564]
3D Gaussian Splattingは、一連の入力画像から高速で正確なノベルビュー合成のための強力なツールとして登場した。
本稿では, 外部カメラパラメータを測光残差に対して最適化することにより, 3次元ガウス散乱フレームワークの拡張を提案する。
シミュレーション環境を通して実世界のシーンと複雑な軌道について結果を示す。
論文 参考訳(メタデータ) (2024-10-11T12:01:15Z) - SplatLoc: 3D Gaussian Splatting-based Visual Localization for Augmented Reality [50.179377002092416]
より少ないパラメータで高品質なレンダリングが可能な効率的なビジュアルローカライズ手法を提案する。
提案手法は,最先端の暗黙的視覚的ローカライゼーションアプローチに対して,より優れた,あるいは同等なレンダリングとローカライゼーション性能を実現する。
論文 参考訳(メタデータ) (2024-09-21T08:46:16Z) - 3DGS-LM: Faster Gaussian-Splatting Optimization with Levenberg-Marquardt [65.25603275491544]
3DGS-LM, 3D Gaussian Splatting(3DGS)の再構築を高速化する新しい手法を提案する。
提案手法は元の3DGSよりも30%高速で, 再現品質の最適化が可能である。
論文 参考訳(メタデータ) (2024-09-19T16:31:44Z) - Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。
Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。
変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
論文 参考訳(メタデータ) (2022-11-28T17:55:34Z) - SRT3D: A Sparse Region-Based 3D Object Tracking Approach for the Real
World [10.029003607782878]
領域ベースの手法は、散らばったシーンにおけるテクスチャのない物体のモデルベースで単色な3D追跡において、ますます人気が高まっている。
しかし、ほとんどの手法は計算コストが高く、リアルタイムにかなりのリソースを必要とする。
SRT3Dは、この効率のギャップを埋める3Dオブジェクト追跡のためのスパース領域ベースのアプローチである。
論文 参考訳(メタデータ) (2021-10-25T07:58:18Z) - Towards Fast, Accurate and Stable 3D Dense Face Alignment [73.01620081047336]
本稿では,速度,精度,安定性のバランスをとる3DDFA-V2という新しい回帰フレームワークを提案する。
本研究では,静止画を平面内と面外の動きを取り入れた映像に変換する仮想合成法を提案する。
論文 参考訳(メタデータ) (2020-09-21T15:37:37Z) - Factor Graph based 3D Multi-Object Tracking in Point Clouds [8.411514688735183]
明示的および固定的な代入に依存しない新しい最適化に基づくアプローチを提案する。
我々は、実世界のKITTI追跡データセットの性能を実証し、多くの最先端アルゴリズムよりも優れた結果を得る。
論文 参考訳(メタデータ) (2020-08-12T13:34:46Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が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) (2020-02-29T06:24:55Z)
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。