論文の概要: A comparison of uncertainty estimation approaches for DNN-based camera localization

• arxiv url: http://arxiv.org/abs/2211.01234v1
• Date: Wed, 2 Nov 2022 16:15:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 13:37:48.224119
• Title: A comparison of uncertainty estimation approaches for DNN-based camera localization
• Title（参考訳）: DNNカメラローカライゼーションにおける不確実性推定手法の比較
• Authors: Matteo Vaghi, Augusto Luis Ballardini, Simone Fontana, Domenico Giorgio Sorrenti
• Abstract要約: 本研究はモンテカルロ・ドロップアウト(MCD)、ディープ・アンサンブル(DE)、ディープ・エビデンシャル・レグレッション(DER)の3つの不確実性推定手法の性能を比較した。 精度の高いカメラのローカライゼーションとキャリブレーションの不確実性を実現し,ある手法がローカライズ故障の検出に有効であることを示す。
• 参考スコア（独自算出の注目度）: 6.053739577423792
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Camera localization, i.e., camera pose regression, represents a very important task in computer vision, since it has many practical applications, such as autonomous driving. A reliable estimation of the uncertainties in camera localization is also important, as it would allow to intercept localization failures, which would be dangerous. Even though the literature presents some uncertainty estimation methods, to the best of our knowledge their effectiveness has not been thoroughly examined. This work compares the performances of three consolidated epistemic uncertainty estimation methods: Monte Carlo Dropout (MCD), Deep Ensemble (DE), and Deep Evidential Regression (DER), in the specific context of camera localization. We exploited CMRNet, a DNN approach for multi-modal image to LiDAR map registration, by modifying its internal configuration to allow for an extensive experimental activity with the three methods on the KITTI dataset. Particularly significant has been the application of DER. We achieve accurate camera localization and a calibrated uncertainty, to the point that some method can be used for detecting localization failures.
• Abstract（参考訳）: カメラのローカライズ、すなわちカメラポーズ回帰は、自動運転など多くの実用的な応用があるため、コンピュータビジョンにおいて非常に重要なタスクである。 カメラのローカライズにおける不確実性の信頼性も重要であり、ローカライズ失敗をインターセプトすることは危険である。 文献にはいくつかの不確実性推定法があるが,我々の知る限り,その有効性は十分に検証されていない。 本研究は,モンテカルロ・ドロップアウト法(mcd),深層アンサンブル法(de),深部証拠回帰法(der)の3つの統合認識の不確かさ推定法の性能を比較した。 我々は、マルチモーダル画像からLiDARマップ登録へのDNNアプローチであるCMRNetを利用して、内部構成を変更し、KITTIデータセット上の3つの手法による広範な実験活動を可能にした。 特に重要なのはDERの応用である。 カメラの正確な位置決めと不確かさの校正を実現し,位置決め障害の検出に使用できる方法を提案する。

関連論文リスト

• SCIPaD: Incorporating Spatial Clues into Unsupervised Pose-Depth Joint Learning [17.99904937160487]
  本研究では,教師なし深層学習のための空間的手がかりを取り入れた新しいアプローチであるSCIPaDを紹介する。 SCIPaDは平均翻訳誤差22.2%、カメラポーズ推定タスクの平均角誤差34.8%をKITTI Odometryデータセットで達成している。
  論文  参考訳（メタデータ） (2024-07-07T06:52:51Z)
• Calib3D: Calibrating Model Preferences for Reliable 3D Scene Understanding [55.32861154245772]
  Calib3Dは3Dシーン理解モデルの信頼性をベンチマークし精査する先駆的な試みである。 10種類の3Dデータセットにわたる28の最先端モデルを評価した。 本稿では,3次元モデルのキャリブレーション向上を目的とした,深度対応のスケーリング手法であるDeptSを紹介する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:59Z)
• iComMa: Inverting 3D Gaussian Splatting for Camera Pose Estimation via Comparing and Matching [14.737266480464156]
  コンピュータビジョンにおける6次元カメラのポーズ推定問題に対処するため,iComMaという手法を提案する。 3次元ガウススプラッティング(3DGS)の反転による高精度カメラポーズ推定法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T15:31:33Z)
• P2O-Calib: Camera-LiDAR Calibration Using Point-Pair Spatial Occlusion Relationship [1.6921147361216515]
  本研究では,3次元空間における閉塞関係を用いた2次元3次元エッジポイント抽出に基づく新たなターゲットレスキャリブレーション手法を提案する。 本手法は,高画質カメラ-LiDARキャリブレーションによる実用的応用に寄与する,低誤差かつ高ロバスト性を実現する。
  論文  参考訳（メタデータ） (2023-11-04T14:32:55Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Improving Worst Case Visual Localization Coverage via Place-specific Sub-selection in Multi-camera Systems [29.519262914510396]
  6-DoFビジュアルローカライゼーションシステムは,3次元形状に根ざした原理的アプローチを用いて,地図上の画像の正確なカメラポーズ推定を行う。 オフザシェルフパイプラインに比べて,最悪のローカライゼーション性能が大幅に向上した。 提案手法は,特に自動運転車のクラウドシェアリングモデルに適用可能である。
  論文  参考訳（メタデータ） (2022-06-28T10:59:39Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Self-Supervised Multi-Frame Monocular Scene Flow [61.588808225321735]
  自己監督学習に基づくマルチフレーム一眼的シーンフローネットワークを導入。 自己監督学習に基づく単眼的シーンフロー法における最新の精度を観察する。
  論文  参考訳（メタデータ） (2021-05-05T17:49:55Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• Semi-Local 3D Lane Detection and Uncertainty Estimation [6.296104145657063]
  本手法は, 半局所的, BEV, タイル表現に基づいて, レーンを単純なレーンセグメントに分解する。 セグメントのパラメトリックモデル学習と、セグメントを完全なレーンにまとめるのに使用される深い機能埋め込みを組み合わせる。 本手法は,レーン検出タスクに対する学習に基づく不確実性推定を初めて出力する手法である。
  論文  参考訳（メタデータ） (2020-03-11T12:35:24Z)

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。