論文の概要: AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion

• arxiv url: http://arxiv.org/abs/2301.12135v1
• Date: Sat, 28 Jan 2023 09:06:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 18:56:48.268072
• Title: AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion
• Title（参考訳）: adasfm:大きめのグローバル構造から微妙な漸進的適応構造へ
• Authors: Yu Chen, Zihao Yu, Shu Song, Tianning Yu, Jianming Li, Gim Hee Lee
• Abstract要約: AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。 当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。 本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
• 参考スコア（独自算出の注目度）: 48.835456049755166
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the impressive results achieved by many existing Structure from Motion (SfM) approaches, there is still a need to improve the robustness, accuracy, and efficiency on large-scale scenes with many outlier matches and sparse view graphs. In this paper, we propose AdaSfM: a coarse-to-fine adaptive SfM approach that is scalable to large-scale and challenging datasets. Our approach first does a coarse global SfM which improves the reliability of the view graph by leveraging measurements from low-cost sensors such as Inertial Measurement Units (IMUs) and wheel encoders. Subsequently, the view graph is divided into sub-scenes that are refined in parallel by a fine local incremental SfM regularised by the result from the coarse global SfM to improve the camera registration accuracy and alleviate scene drifts. Finally, our approach uses a threshold-adaptive strategy to align all local reconstructions to the coordinate frame of global SfM. Extensive experiments on large-scale benchmark datasets show that our approach achieves state-of-the-art accuracy and efficiency.
• Abstract（参考訳）: 多くの既存のStructure from Motion (SfM)アプローチによって達成された印象的な結果にもかかわらず、多くのアウトリーマッチとスパースビューグラフを持つ大規模シーンの堅牢性、正確性、効率性を改善する必要がある。 本稿では,大規模かつ挑戦的なデータセットに対してスケーラブルな,粗粒度適応型SfMアプローチであるAdaSfMを提案する。 提案手法はまず,慣性測定ユニット(imus)やホイールエンコーダなどの低コストセンサによる測定値を活用することで,ビューグラフの信頼性を向上させる粗いグローバルsfmを行う。 その後、粗いグローバルSfMの結果によって規則化された微細局所増分SfMにより並列に精製されたサブシーンにビューグラフを分割し、カメラ登録精度を改善し、シーンドリフトを緩和する。 最後に,全局所再構成をグローバルSfMの座標フレームに整合させるために,しきい値適応戦略を用いる。 大規模ベンチマークデータセットの大規模な実験により、我々の手法が最先端の精度と効率を達成することが示された。

関連論文リスト

• Global Structure-from-Motion Revisited [57.30100303979393]
  我々は,グローバルSfMにおける技術状況より優れた新しい汎用システムとして,GLOMAPを提案する。 精度とロバスト性の観点からは、最も広く使われている増分SfMであるCOLMAPよりも高い結果が得られる。 当社のシステムはオープンソース実装として共有しています。
  論文  参考訳（メタデータ） (2024-07-29T17:54:24Z)
• FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
  本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。 このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。 FSGSは、さまざまなデータセットの精度とレンダリング効率の両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-01T09:30:02Z)
• Distributed Global Structure-from-Motion with a Deep Front-End [11.2064188838227]
  我々は,グローバルSfMがSOTAインクリメンタルSfMアプローチ(COLMAP)と同等に機能するかどうかを検討する。 我々のSfMシステムは、分散計算を活用するためにゼロから設計されており、複数のマシン上で計算を並列化し、大規模なシーンにスケールすることができる。
  論文  参考訳（メタデータ） (2023-11-30T18:47:18Z)
• Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape [59.841889495864386]
  フェデレートラーニング(FL)では、グローバルサーバの協調の下で、ローカルクライアントのクラスタがチェアリングされる。 クライアントは自身のオプティマに過度に適合する傾向にあり、グローバルな目標から非常に逸脱する。 tt Family FedSMOOは、グローバルな目的に対する局所的な最適性を保証するために動的正規化器を採用する。 理論解析により, tt Family FedSMOO は, 低境界一般化による高速$mathcalO (1/T)$収束率を達成することが示された。
  論文  参考訳（メタデータ） (2023-05-19T10:47:44Z)
• Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images [26.51970603200391]
  本稿では,スパース畳み込みに基づく検出ヘッドの最適化について検討する。 これは、小さなオブジェクトのコンテキスト情報の不十分な統合に悩まされる。 本稿では,グローバルな文脈拡張型適応スパース畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-03-25T14:42:50Z)
• Transformer-based Context Condensation for Boosting Feature Pyramids in Object Detection [77.50110439560152]
  現在の物体検出器は、通常マルチレベル特徴融合(MFF)のための特徴ピラミッド(FP)モジュールを持つ。 我々は,既存のFPがより優れたMFF結果を提供するのに役立つ,新しい,効率的なコンテキストモデリング機構を提案する。 特に,包括的文脈を2種類の表現に分解・凝縮して高効率化を図っている。
  論文  参考訳（メタデータ） (2022-07-14T01:45:03Z)
• Tackling Data Heterogeneity: A New Unified Framework for Decentralized SGD with Sample-induced Topology [6.6682038218782065]
  我々は,経験的リスク最小化問題に対して,勾配に基づく最適化手法を統一する汎用フレームワークを開発した。 本稿では,SAGA,Local-SVRG,GT-SAGAなどの分散還元(VR)および勾配追跡(GT)手法の統一的な視点を提供する。 その結果、VRとGTの手法は、それぞれデバイス内およびデバイス間のデータを効果的に排除し、アルゴリズムを最適解に正確に収束させることができることがわかった。
  論文  参考訳（メタデータ） (2022-07-08T07:50:08Z)
• Escaping Spurious Local Minima of Low-Rank Matrix Factorization Through Convex Lifting [10.76492224896965]
  本研究は,MF-Global と呼ばれる非低ランク行列分解(MF)問題に対する大域的高速解法を提案する。 コンベックスのステップを通じて,実世界のノイズの多いデータの中で,サドルやスプリケートな局所ミニマを効率的に回避する。 我々は,MF-Globalが既存のMFアプローチが定着している局所解を効果的に回避できることを示す。
  論文  参考訳（メタデータ） (2022-04-29T13:04:36Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。