論文の概要: Semidefinite Relaxations for Robust Multiview Triangulation

• arxiv url: http://arxiv.org/abs/2301.11431v3
• Date: Mon, 3 Apr 2023 14:13:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 21:39:19.278325
• Title: Semidefinite Relaxations for Robust Multiview Triangulation
• Title（参考訳）: ロバスト多視点三角測量のための半定値緩和
• Authors: Linus H\"arenstam-Nielsen, Niclas Zeller, Daniel Cremers
• Abstract要約: 我々は、最小2乗のコスト関数を組み込むことで、既存の緩和アプローチを非ロバストなマルチビュー三角測量に拡張する。 提案手法は,大きな雑音と大容量の異常の下でも,証明可能な最適再構成を計算できることを実証する。
• 参考スコア（独自算出の注目度）: 53.360555898338106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an approach based on convex relaxations for certifiably optimal robust multiview triangulation. To this end, we extend existing relaxation approaches to non-robust multiview triangulation by incorporating a least squares cost function. We propose two formulations, one based on epipolar constraints and one based on fractional reprojection constraints. The first is lower dimensional and remains tight under moderate noise and outlier levels, while the second is higher dimensional and therefore slower but remains tight even under extreme noise and outlier levels. We demonstrate through extensive experiments that the proposed approaches allow us to compute provably optimal reconstructions even under significant noise and a large percentage of outliers.
• Abstract（参考訳）: 本稿では,凸緩和に基づく最適ロバスト多視点三角測量のアプローチを提案する。 この目的のために、最小二乗コスト関数を組み込むことで、既存の緩和アプローチを非ロバスト多視点三角測量に拡張する。 本稿では,エピポーラ制約に基づく2つの定式化と,分数再投影制約に基づく2つの定式化を提案する。 1つ目は低次元であり、中程度の騒音と降圧レベルの下ではきつく、もう1つ目は高次元であり、したがって遅いが、極端な騒音と降圧レベルでもきつい。 提案手法は,大きな雑音と大容量の異常の下でも,証明可能な最適再構成を計算できることを実証する。

関連論文リスト

• Suppression of noise in separation estimation of optical sources with spatial-mode demultiplexing [0.0]
  空間モード分解による超解像は急速に劣化する。 本稿では,騒音の破壊的影響を抑制するための公式な手順を提案する。 これにより、変位演算子によって生成される特別な種類のノイズに対する超解像の回復が可能となる。
  論文  参考訳（メタデータ） (2024-07-02T07:08:26Z)
• Stochastic Zeroth-Order Optimization under Strongly Convexity and Lipschitz Hessian: Minimax Sample Complexity [59.75300530380427]
  本稿では,アルゴリズムが検索対象関数の雑音評価にのみアクセス可能な2次スムーズかつ強い凸関数を最適化する問題を考察する。 本研究は, ミニマックス単純後悔率について, 一致した上界と下界を発達させることにより, 初めて厳密な評価を行ったものである。
  論文  参考訳（メタデータ） (2024-06-28T02:56:22Z)
• Lifting the Convex Conjugate in Lagrangian Relaxations: A Tractable Approach for Continuous Markov Random Fields [53.31927549039624]
  断片的な離散化は既存の離散化問題と矛盾しないことを示す。 この理論を2つの画像のマッチング問題に適用する。
  論文  参考訳（メタデータ） (2021-07-13T12:31:06Z)
• Online and Distribution-Free Robustness: Regression and Contextual Bandits with Huber Contamination [29.85468294601847]
  線形回帰と文脈的帯域幅という2つの古典的高次元オンライン学習問題を再考する。 従来の手法が失敗した場合にアルゴリズムが成功することを示す。
  論文  参考訳（メタデータ） (2020-10-08T17:59:05Z)
• Nearly Dimension-Independent Sparse Linear Bandit over Small Action Spaces via Best Subset Selection [71.9765117768556]
  本研究では,高次元線形モデルの下での文脈的帯域問題について考察する。 この設定は、パーソナライズされたレコメンデーション、オンライン広告、パーソナライズされた医療など、不可欠な応用を見出す。 本稿では,最適部分集合選択法を用いて2重成長エポックを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-04T04:10:39Z)
• Robust Uncertainty-Aware Multiview Triangulation [20.02647320786556]
  マルチビュー三角測量と不確実性推定のための頑健で効率的な手法を提案する。 まず、中間点法を用いた2視点RANSACを用いた外乱除去方式を提案する。 第二に、初期解と不整集合を精製する異なる局所最適化法を比較する。 第三に、三角点の不確かさを、カメラの数、平均再投影誤差、最大パララックス角の3つの要素の関数としてモデル化する。
  論文  参考訳（メタデータ） (2020-08-04T00:47:42Z)
• Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
  構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。 私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。 提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
  論文  参考訳（メタデータ） (2020-07-07T21:26:35Z)
• One Ring to Rule Them All: Certifiably Robust Geometric Perception with Outliers [32.1176248075545]
  本稿では,大量の外れ値が存在する場合の認識のための認証アルゴリズムを設計するための,最初の汎用的かつ実用的な手法を提案する。 我々の双対証明器は任意の問題の解の最適部分最適性を利用する。
  論文  参考訳（メタデータ） (2020-06-11T19:46:42Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。