論文の概要: ROSIA: Rotation-Search-Based Star Identification Algorithm

• arxiv url: http://arxiv.org/abs/2210.00429v2
• Date: Tue, 29 Aug 2023 02:32:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-30 19:20:14.713710
• Title: ROSIA: Rotation-Search-Based Star Identification Algorithm
• Title（参考訳）: ROSIA:回転探索に基づく星識別アルゴリズム
• Authors: Chee-Kheng Chng, Alvaro Parra Bustos, Benjamin McCarthy, Tat-Jun Chin
• Abstract要約: 本稿では、星の同定(スターID)問題に対処するための回転探索に基づくアプローチを提案する。 提案アルゴリズムであるROSIAは、各座標における入力星とカタログ星を最大に整列する最適な回転を求める。 我々は、既存の定式化と比較して400倍のスピードアップを可能にする厳密な(証明可能な)上界関数を提案することによって理論的に貢献する。
• 参考スコア（独自算出の注目度）: 20.22978490236837
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a rotation-search-based approach for addressing the star identification (Star-ID) problem. The proposed algorithm, ROSIA, is a heuristics-free algorithm that seeks the optimal rotation that maximally aligns the input and catalog stars in their respective coordinates. ROSIA searches the rotation space systematically with the Branch-and-Bound (BnB) method. Crucially affecting the runtime feasibility of ROSIA is the upper bound function that prioritizes the search space. In this paper, we make a theoretical contribution by proposing a tight (provable) upper bound function that enables a 400x speed-up compared to an existing formulation. Coupling the bounding function with an efficient evaluation scheme that leverages stereographic projection and the R-tree data structure, ROSIA achieves feasible operational speed on embedded processors with state-of-the-art performances under different sources of noise. The source code of ROSIA is available at https://github.com/ckchng/ROSIA.
• Abstract（参考訳）: 本稿では,星の同定(スターID)問題に対する回転探索に基づくアプローチを提案する。 提案アルゴリズムであるROSIAは、各座標における入力星とカタログ星を最大に整列する最適な回転を求めるヒューリスティックスフリーアルゴリズムである。 ROSIAはブランチ・アンド・バウンド (BnB) 法を用いて回転空間を体系的に探索する。 ROSIAのランタイム実現可能性に重大な影響を与えるのは、検索空間を優先する上限関数である。 本稿では,既存の定式化に比べて400倍の速度アップが可能な(実現可能な)上界関数を提案することで,理論的な貢献を行う。 ステレオ画像投影とRツリーデータ構造を利用する効率的な評価手法とバウンディング関数を結合することにより、ROSIAは、異なるノイズ源下での最先端の性能を持つ組込みプロセッサ上で実行可能な操作速度を達成する。 ROSIAのソースコードはhttps://github.com/ckchng/ROSIAで公開されている。

関連論文リスト

• FRAME: A Modular Framework for Autonomous Map Merging: Advancements in the Field [12.247977717070773]
  本稿では,エゴセントリックなマルチロボット探査における3次元点雲マップの融合について述べる。 提案手法は、最先端の場所認識と学習記述子を利用して、地図間の重複を効率的に検出する。 提案手法の有効性は,ロボット探査の複数のフィールドミッションを通じて実証された。
  論文  参考訳（メタデータ） (2024-04-27T20:54:15Z)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端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） (2024-02-25T13:22:17Z)
• Learning Regions of Interest for Bayesian Optimization with Adaptive Level-Set Estimation [84.0621253654014]
  本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。 理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
  論文  参考訳（メタデータ） (2023-07-25T09:45:47Z)
• Shapley-NAS: Discovering Operation Contribution for Neural Architecture Search [96.20505710087392]
  ニューラルアーキテクチャ探索のための演算寄与度(Shapley-NAS)を評価するためのShapley値に基づく手法を提案する。 提案手法は,光探索コストに比例して最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-06-20T14:41:49Z)
• Attention-based Proposals Refinement for 3D Object Detection [0.0]
  本稿では、注意機構を用いたROI特徴抽出に対して、よりデータ駆動的なアプローチをとる。 KITTIのテキスト検証実験により, クラスカーの84.84 APの競争性能を適度に向上することを示した。
  論文  参考訳（メタデータ） (2022-01-18T15:50:31Z)
• DAAS: Differentiable Architecture and Augmentation Policy Search [107.53318939844422]
  この研究は、ニューラルネットワークとデータ拡張のカップリングの可能性を検討し、それらを共同で検索する効果的なアルゴリズムを提案する。 CIFAR-10では97.91%、ImageNetデータセットでは76.6%の精度で97.91%の精度を達成し、検索アルゴリズムの優れた性能を示している。
  論文  参考訳（メタデータ） (2021-09-30T17:15:17Z)
• Pyramid R-CNN: Towards Better Performance and Adaptability for 3D Object Detection [89.66162518035144]
  点雲から2段階の3Dオブジェクトを検出するための柔軟で高性能なフレームワークであるPraamid R-CNNを提案する。 興味の疎い点から特徴を適応的に学習するために,ピラミッドRoIヘッドという新しい第2段モジュールを提案する。 我々のピラミッドRoIヘッドはスパースかつ不均衡な状況に対して堅牢であり、検出性能を継続的に向上するために様々な3Dバックボーンに適用することができる。
  論文  参考訳（メタデータ） (2021-09-06T14:17:51Z)
• MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
  水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。 正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。 各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
  論文  参考訳（メタデータ） (2020-12-24T06:36:48Z)
• DiSCO: Differentiable Scan Context with Orientation [13.797651328615347]
  そこで我々は、LiDARに基づく位置認識手法、DiSCO(diffariable Scan Context with Orientation)を提案する。 同時にスキャンを同じ場所で見つけ、相対的な向きを推定する。 DiSCOは長期の屋外条件を持つ3つのデータセットで検証される。
  論文  参考訳（メタデータ） (2020-10-21T12:38:21Z)
• Deep Retrieval: Learning A Retrievable Structure for Large-Scale Recommendations [21.68175843347951]
  本稿では,ユーザとイテムのインタラクションデータを用いて,検索可能な構造を直接学習するために,Deep Retrieval(DR)を提案する。 DRは、産業レコメンデーションシステムのために数億のアイテムをスケールで展開した最初の非ANNアルゴリズムの1つである。
  論文  参考訳（メタデータ） (2020-07-12T06:23:51Z)

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。