論文の概要: A Laplace-inspired Distribution on SO(3) for Probabilistic Rotation Estimation

• arxiv url: http://arxiv.org/abs/2303.01743v1
• Date: Fri, 3 Mar 2023 07:10:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 16:02:36.174889
• Title: A Laplace-inspired Distribution on SO(3) for Probabilistic Rotation Estimation
• Title（参考訳）: 確率的回転推定のためのso(3)上のラプラスインスパイア分布
• Authors: Yingda Yin, Yang Wang, He Wang, Baoquan Chen
• Abstract要約: 単一のRGB画像から3DoF回転を推定することは重要な問題である。 我々はSO(3)上の回転ラプラス分布を提案する。 実験の結果,提案手法は回転回帰タスクの最先端性能を実現することができることがわかった。
• 参考スコア（独自算出の注目度）: 35.242645262982045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating the 3DoF rotation from a single RGB image is an important yet challenging problem. Probabilistic rotation regression has raised more and more attention with the benefit of expressing uncertainty information along with the prediction. Though modeling noise using Gaussian-resembling Bingham distribution and matrix Fisher distribution is natural, they are shown to be sensitive to outliers for the nature of quadratic punishment to deviations. In this paper, we draw inspiration from multivariate Laplace distribution and propose a novel Rotation Laplace distribution on SO(3). Rotation Laplace distribution is robust to the disturbance of outliers and enforces much gradient to the low-error region, resulting in a better convergence. Our extensive experiments show that our proposed distribution achieves state-of-the-art performance for rotation regression tasks over both probabilistic and non-probabilistic baselines. Our project page is at https://pku-epic.github.io/RotationLaplace.
• Abstract（参考訳）: 単一のRGB画像から3DoF回転を推定することは重要な問題である。 確率的回転回帰は、予測とともに不確実性情報を表現する利点により、ますます注目を集めている。 gaussian-resembling bingham分布とmatrix fisher分布を用いたモデリングノイズは自然であるが, 2次罰の性質から偏差に敏感であることが示されている。 本稿では,多変量ラプラス分布から着想を得て,so(3)上の新しい回転ラプラス分布を提案する。 回転ラプラス分布は、外れ値の乱れに対して堅牢であり、低エラー領域への勾配を強くし、より良い収束をもたらす。 提案した分布は,確率的および非確率的ベースライン上での回転回帰タスクの最先端性能を実現することを示す。 私たちのプロジェクトページはhttps://pku-epic.github.io/RotationLaplace.comです。

関連論文リスト

• A Stein Gradient Descent Approach for Doubly Intractable Distributions [5.63014864822787]
  そこで本研究では,2重に抽出可能な分布を推定するために,モンテカルロ・スタイン変分勾配勾配(MC-SVGD)法を提案する。 提案手法は,後続分布に匹敵する推論性能を提供しながら,既存のアルゴリズムよりもかなりの計算ゲインを達成する。
  論文  参考訳（メタデータ） (2024-10-28T13:42:27Z)
• Learning Gaussian Representation for Eye Fixation Prediction [54.88001757991433]
  既存のアイ固定予測方法は、入力画像から原固定点から生成された対応する濃密な固定マップへのマッピングを行う。 本稿ではアイフィグレーションモデリングのためのガウス表現について紹介する。 我々は,リアルタイムな固定予測を実現するために,軽量なバックボーン上にフレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-21T20:28:22Z)
• Towards Robust Probabilistic Modeling on SO(3) via Rotation Laplace Distribution [32.26083557492705]
  単一のRGB画像から3DoF回転を推定することは難しい問題である。 本稿では,SO(3)上の新しい回転ラプラス分布を提案する。 我々の手法は、異常値の乱れに対して堅牢であり、改善可能な低エラー領域への多くの勾配を強制する。
  論文  参考訳（メタデータ） (2023-05-17T12:31:48Z)
• ManiFlow: Implicitly Representing Manifolds with Normalizing Flows [145.9820993054072]
  正規化フロー(NF)は、複雑な実世界のデータ分布を正確にモデル化することが示されているフレキシブルな明示的な生成モデルである。 摂動分布から標本を与えられた多様体上の最も可能性の高い点を復元する最適化目的を提案する。 最後に、NFsの明示的な性質、すなわち、ログのような勾配とログのような勾配から抽出された表面正規化を利用する3次元点雲に焦点を当てる。
  論文  参考訳（メタデータ） (2022-08-18T16:07:59Z)
• Probabilistic Rotation Representation With an Efficiently Computable Bingham Loss Function and Its Application to Pose Estimation [0.0]
  ビンガム分布に対する高速計算可能かつ容易に実装可能な損失関数を提案する。 また、ビンガム分布のパラメトリゼーションだけでなく、損失関数に基づく応用についても検討する。
  論文  参考訳（メタデータ） (2022-03-09T00:38:28Z)
• Robust Estimation for Nonparametric Families via Generative Adversarial Networks [92.64483100338724]
  我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。 我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。 技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
  論文  参考訳（メタデータ） (2022-02-02T20:11:33Z)
• Distributed Random Reshuffling over Networks [7.013052033764372]
  凸関数と滑らかな対象関数の問題を解くために分散resh-upr (D-RR) アルゴリズムを提案する。 特に、滑らかな凸対象関数に対して、D-RRはD-T収束率(T がエポック数を数える)を大域ドライブ間の距離で達成する。
  論文  参考訳（メタデータ） (2021-12-31T03:59:37Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)
• Probabilistic orientation estimation with matrix Fisher distributions [0.0]
  本稿では,深層ニューラルネットワークを用いた3次元回転の集合上での確率分布の推定に着目する。 モデルを回転集合に回帰させることは、トポロジーの違いにより本質的に困難である。 我々はニューラルネットワークを用いて行列フィッシャー分布のパラメータを出力することでこの問題を克服する。
  論文  参考訳（メタデータ） (2020-06-17T09:28:19Z)
• Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
  確率分布が未知な分布の不確実性の下でBQOについて検討する。 標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。 この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
  論文  参考訳（メタデータ） (2020-01-19T12:00:33Z)

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。