論文の概要: Efficient Second-Order Plane Adjustment
- arxiv url: http://arxiv.org/abs/2211.11542v1
- Date: Mon, 21 Nov 2022 15:06:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 22:47:19.644237
- Title: Efficient Second-Order Plane Adjustment
- Title(参考訳): 効率的な2次平面調整
- Authors: Lipu Zhou
- Abstract要約: 本稿では,平面間距離を最小化するために最適平面とセンサのポーズを推定する問題に焦点をあてる。
我々は、PA問題を効率的に解くためにニュートン法を採用する。
実験により,我々のアルゴリズムは広く使われているLMアルゴリズムよりもはるかに高速に収束していることが示された。
- 参考スコア(独自算出の注目度): 6.510507449705342
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Planes are generally used in 3D reconstruction for depth sensors, such as
RGB-D cameras and LiDARs. This paper focuses on the problem of estimating the
optimal planes and sensor poses to minimize the point-to-plane distance. The
resulting least-squares problem is referred to as plane adjustment (PA) in the
literature, which is the counterpart of bundle adjustment (BA) in visual
reconstruction. Iterative methods are adopted to solve these least-squares
problems. Typically, Newton's method is rarely used for a large-scale
least-squares problem, due to the high computational complexity of the Hessian
matrix. Instead, methods using an approximation of the Hessian matrix, such as
the Levenberg-Marquardt (LM) method, are generally adopted. This paper
challenges this ingrained idea. We adopt the Newton's method to efficiently
solve the PA problem. Specifically, given poses, the optimal planes have
close-form solutions. Thus we can eliminate planes from the cost function,
which significantly reduces the number of variables. Furthermore, as the
optimal planes are functions of poses, this method actually ensures that the
optimal planes for the current estimated poses can be obtained at each
iteration, which benefits the convergence. The difficulty lies in how to
efficiently compute the Hessian matrix and the gradient of the resulting cost.
This paper provides an efficient solution. Empirical evaluation shows that our
algorithm converges significantly faster than the widely used LM algorithm.
- Abstract(参考訳): 飛行機は通常、rgb-dカメラやlidarなどの深度センサーの3d再構成に使用される。
本稿では,平面間距離を最小化するために最適平面とセンサのポーズを推定する問題に焦点をあてる。
結果として生じる最小二乗問題は、視覚的再構成におけるバンドル調整(BA)と相反する、文献における平面調整(PA)と呼ばれる。
これらの最小二乗問題を解くために反復的手法が採用されている。
一般的にニュートン法は、ヘッセン行列の計算量が多いため、大規模な最小二乗問題にはほとんど使われない。
代わりに、レンベルク・マルカルト法(英語版)(LM)のようなヘッセン行列の近似を用いた手法が一般的である。
本稿はこの難解な考えに挑戦する。
我々は、PA問題を効率的に解くためにニュートン法を採用する。
特に、ポーズが与えられたとき、最適平面は閉形式解を持つ。
したがって、コスト関数から平面を排除でき、変数の数を大幅に削減できる。
さらに、最適平面はポーズの関数であるので、この方法では、現在の推定ポーズの最適平面が各イテレーションで得られることを実際に保証し、収束の恩恵を受ける。
この困難さは、ヘッセン行列を効率的に計算する方法と、結果として生じるコストの勾配にある。
本論文は効率的な解法である。
経験的評価の結果,本アルゴリズムは広く用いられているlmアルゴリズムよりもかなり高速に収束することがわかった。
関連論文リスト
- Accelerating Cutting-Plane Algorithms via Reinforcement Learning
Surrogates [49.84541884653309]
凸離散最適化問題に対する現在の標準的なアプローチは、カットプレーンアルゴリズムを使うことである。
多くの汎用カット生成アルゴリズムが存在するにもかかわらず、大規模な離散最適化問題は、難易度に悩まされ続けている。
そこで本研究では,強化学習による切削平面アルゴリズムの高速化手法を提案する。
論文 参考訳(メタデータ) (2023-07-17T20:11:56Z) - Smooth over-parameterized solvers for non-smooth structured optimization [3.756550107432323]
非滑らか性 (non-smoothness) は、空間性、群空間性、低ランクエッジ、鋭いエッジなどの解の構造的制約を符号化する。
我々は、基礎となる非滑らかな最適化問題の非重み付きだが滑らかな過度パラメータ化を運用する。
我々の主な貢献は変数の一部を明示的に最小化することで新しい定式化を定義する変数射影(VarPro)を適用することです。
論文 参考訳(メタデータ) (2022-05-03T09:23:07Z) - Fast Projected Newton-like Method for Precision Matrix Estimation under
Total Positivity [15.023842222803058]
現在のアルゴリズムはブロック座標降下法や近点アルゴリズムを用いて設計されている。
本稿では,2次元投影法に基づく新しいアルゴリズムを提案し,慎重に設計された探索方向と変数分割方式を取り入れた。
合成および実世界のデータセットに対する実験結果から,提案アルゴリズムは最先端の手法と比較して計算効率を著しく向上させることを示した。
論文 参考訳(メタデータ) (2021-12-03T14:39:10Z) - Fast Projection onto the Capped Simplex withApplications to Sparse
Regression in Bioinformatics [6.6371396313325075]
ニュートン法に基づく単純なアルゴリズムは、射影問題を高精度に解くことができる。
提案アルゴリズムは,大規模データセット上で高い精度で予測問題の解を導出できることを実証する。
論文 参考訳(メタデータ) (2021-10-16T05:03:24Z) - Robust Extrinsic Symmetry Estimation in 3D Point Clouds [4.416484585765027]
3次元点雲で表される物体の反射対称性面を検出することは、3次元コンピュータビジョンと幾何学処理の基本的な問題である。
本稿では,外乱や欠落部分に対して頑健な反射対称性の平面に対する統計的推定器に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-09-21T03:09:51Z) - Hybrid Trilinear and Bilinear Programming for Aligning Partially
Overlapping Point Sets [85.71360365315128]
多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。
まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。
次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-01-19T04:24:23Z) - Boosting Data Reduction for the Maximum Weight Independent Set Problem
Using Increasing Transformations [59.84561168501493]
最大重み独立集合問題に対する新しい一般化データ削減および変換規則を導入する。
驚くべきことに、これらのいわゆる増進変換は問題を単純化し、還元空間を開き、アルゴリズムの後にさらに小さな既約グラフが得られる。
提案アルゴリズムは, 1つのインスタンスを除くすべての既約グラフを計算し, 従来よりも多くのインスタンスを最適に解き, 最高の最先端解法よりも最大2桁高速に解き, 解法DynWVCやHILSよりも高品質な解を求める。
論文 参考訳(メタデータ) (2020-08-12T08:52:50Z) - Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。
提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文 参考訳(メタデータ) (2020-07-14T09:50:33Z) - Aligning Partially Overlapping Point Sets: an Inner Approximation
Algorithm [80.15123031136564]
変換の値に関する事前情報がない点集合を整列するロバストな手法を提案する。
我々のアルゴリズムは変換の正規化を必要とせず、変換の値に関する事前情報がない状況に対処できる。
実験により,提案手法が最先端のアルゴリズムよりも高いロバスト性を示した。
論文 参考訳(メタデータ) (2020-07-05T15:23:33Z) - Effective Dimension Adaptive Sketching Methods for Faster Regularized
Least-Squares Optimization [56.05635751529922]
スケッチに基づくL2正規化最小二乗問題の解法を提案する。
我々は、最も人気のあるランダム埋め込みの2つ、すなわちガウス埋め込みとサブサンプリングランダム化アダマール変換(SRHT)を考える。
論文 参考訳(メタデータ) (2020-06-10T15:00:09Z) - An Efficient Planar Bundle Adjustment Algorithm [23.419382737725623]
本稿では,平面間コストを用いた最小二乗問題に対する効率的なアルゴリズムを提案する。
深度センサーのポーズと平面パラメータを3D再構成のために共同で最適化することを目的としている。
論文 参考訳(メタデータ) (2020-05-30T05:54:22Z)
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。