論文の概要: RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging

• arxiv url: http://arxiv.org/abs/2212.07211v1
• Date: Wed, 14 Dec 2022 13:19:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 15:12:36.970304
• Title: RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging
• Title（参考訳）: RAGO: 複数回転平均化のためのリカレントグラフ最適化
• Authors: Heng Li, Zhaopeng Cui, Shuaicheng Liu, Ping Tan
• Abstract要約: 本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
• 参考スコア（独自算出の注目度）: 62.315673415889314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a deep recurrent Rotation Averaging Graph Optimizer (RAGO) for Multiple Rotation Averaging (MRA). Conventional optimization-based methods usually fail to produce accurate results due to corrupted and noisy relative measurements. Recent learning-based approaches regard MRA as a regression problem, while these methods are sensitive to initialization due to the gauge freedom problem. To handle these problems, we propose a learnable iterative graph optimizer minimizing a gauge-invariant cost function with an edge rectification strategy to mitigate the effect of inaccurate measurements. Our graph optimizer iteratively refines the global camera rotations by minimizing each node's single rotation objective function. Besides, our approach iteratively rectifies relative rotations to make them more consistent with the current camera orientations and observed relative rotations. Furthermore, we employ a gated recurrent unit to improve the result by tracing the temporal information of the cost graph. Our framework is a real-time learning-to-optimize rotation averaging graph optimizer with a tiny size deployed for real-world applications. RAGO outperforms previous traditional and deep methods on real-world and synthetic datasets. The code is available at https://github.com/sfu-gruvi-3dv/RAGO
• Abstract（参考訳）: 本稿では,多重回転平均化(mra)のための深い再帰的回転平均化グラフオプティマイザ(rago)を提案する。 従来の最適化に基づく手法は通常、劣化しうる相対的な測定によって正確な結果が得られない。 近年の学習に基づくアプローチでは、MRAを回帰問題と見なしているが、これらの手法はゲージ自由問題による初期化に敏感である。 これらの問題に対処するために,ゲージ不変コスト関数をエッジ整流戦略で最小化する学習可能な反復グラフオプティマイザを提案する。 グラフオプティマイザは,各ノードの単一回転対象関数を最小化することにより,グローバルカメラ回転を反復的に洗練する。 さらに, 相対回転を反復的に補正し, 現在のカメラの向きや観測された相対回転と一致させる。 さらに,コストグラフの時間的情報を追跡することで,結果を改善するためにゲートリカレントユニットを用いる。 私たちのフレームワークは、実世界のアプリケーション向けにデプロイされた小さなサイズで、ローテーション平均グラフオプティマイザをリアルタイムに学習して最適化するものです。 ragoは、現実世界と合成データセットの従来の、より深いメソッドよりも優れています。 コードはhttps://github.com/sfu-gruvi-3dv/ragoで入手できる。

関連論文リスト

• Gravity-aligned Rotation Averaging with Circular Regression [53.81374943525774]
  我々は,重力方向をグローバルパイプラインの回転平均位相に統合する原理的アプローチを導入する。 4つの大規模データセットで最先端の精度を実現する。
  論文  参考訳（メタデータ） (2024-10-16T17:37:43Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
  重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。 回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
  論文  参考訳（メタデータ） (2022-07-20T16:11:48Z)
• 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)
• Least Squares Regression with Markovian Data: Fundamental Limits and Algorithms [69.45237691598774]
  マルコフ連鎖からデータポイントが依存しサンプリングされる最小二乗線形回帰問題について検討する。 この問題を$tau_mathsfmix$という観点から、鋭い情報理論のミニマックス下限を確立する。 本稿では,経験的リプレイに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T04:26:50Z)

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。