論文の概要: Deep Learning for Camera Calibration and Beyond: A Survey

• arxiv url: http://arxiv.org/abs/2303.10559v2
• Date: Tue, 4 Jun 2024 08:57:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 14:46:07.958462
• Title: Deep Learning for Camera Calibration and Beyond: A Survey
• Title（参考訳）: カメラキャリブレーションとそれ以上の深層学習:サーベイ
• Authors: Kang Liao, Lang Nie, Shujuan Huang, Chunyu Lin, Jing Zhang, Yao Zhao, Moncef Gabbouj, Dacheng Tao,
• Abstract要約: カメラキャリブレーションでは、キャプチャされたシーケンスから幾何学的特徴を推測するために、カメラパラメータを推定する。 近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。
• 参考スコア（独自算出の注目度）: 100.75060862015945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camera calibration involves estimating camera parameters to infer geometric features from captured sequences, which is crucial for computer vision and robotics. However, conventional calibration is laborious and requires dedicated collection. Recent efforts show that learning-based solutions have the potential to be used in place of the repeatability works of manual calibrations. Among these solutions, various learning strategies, networks, geometric priors, and datasets have been investigated. In this paper, we provide a comprehensive survey of learning-based camera calibration techniques, by analyzing their strengths and limitations. Our main calibration categories include the standard pinhole camera model, distortion camera model, cross-view model, and cross-sensor model, following the research trend and extended applications. As there is no benchmark in this community, we collect a holistic calibration dataset that can serve as a public platform to evaluate the generalization of existing methods. It comprises both synthetic and real-world data, with images and videos captured by different cameras in diverse scenes. Toward the end of this paper, we discuss the challenges and provide further research directions. To our knowledge, this is the first survey for the learning-based camera calibration (spanned 8 years). The summarized methods, datasets, and benchmarks are available and will be regularly updated at https://github.com/KangLiao929/Awesome-Deep-Camera-Calibration.
• Abstract（参考訳）: カメラキャリブレーションでは、キャプチャーシーケンスから幾何学的特徴を推測するためにカメラパラメータを推定する。 しかし、従来の校正は厳格であり、専用の収集を必要とする。 近年の取り組みでは,手動キャリブレーションの繰り返し作業に代えて,学習ベースのソリューションが活用される可能性が示唆されている。 これらのソリューションの中で、様々な学習戦略、ネットワーク、幾何学的事前、データセットが研究されている。 本稿では,学習に基づくカメラキャリブレーション技術に関する総合的な調査を行い,その強度と限界を分析した。 我々の主なキャリブレーションカテゴリは、標準的なピンホールカメラモデル、歪みカメラモデル、クロスビューモデル、およびクロスセンサーモデルである。 このコミュニティにはベンチマークがないため、既存のメソッドの一般化を評価するために、パブリックプラットフォームとして機能する包括的なキャリブレーションデータセットを収集する。 合成データと実世界のデータの両方からなり、さまざまな場面でさまざまなカメラが撮影した画像とビデオがある。 本稿の終了に向けて,課題を議論し,さらなる研究の方向性を提供する。 われわれの知る限り、これは学習に基づくカメラキャリブレーション(8年)の初めての調査だ。 要約されたメソッド、データセット、ベンチマークはhttps://github.com/KangLiao929/Awesome-Deep-Camera-Calibrationで定期的に更新される。

関連論文リスト

• Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
  ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。 ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。 自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• Homography Estimation in Complex Topological Scenes [6.023710971800605]
  監視ビデオや画像は、交通分析から犯罪検出まで、幅広い用途に使用されている。 外部カメラキャリブレーションデータは、ほとんどの分析アプリケーションにとって重要である。 本稿では,任意のカメラ設定に関する事前知識を必要としない辞書ベースのアプローチを活用した自動カメラ校正プロセスを提案する。
  論文  参考訳（メタデータ） (2023-08-02T11:31:43Z)
• NOCaL: Calibration-Free Semi-Supervised Learning of Odometry and Camera Intrinsics [2.298932494750101]
  我々はNOCaL, ニューラル・オドメトリー, および光場を用いて, キャリブレーションなしで未確認カメラを解釈できる半教師付き学習アーキテクチャを提案する。 従来のカメラを用いて,NOCaL合成を実演し,キャリブレーションのないオドメトリーと新しいビュージオメトリを実証した。
  論文  参考訳（メタデータ） (2022-10-14T00:34:43Z)
• A Deep Perceptual Measure for Lens and Camera Calibration [35.03926427249506]
  従来のマルチイメージキャリブレーション法の代わりに,単一画像から直接カメラキャリブレーションパラメータを推定することを提案する。 大規模なパノラマデータセットから自動的に生成されたサンプルを用いて、このネットワークをトレーニングする。 そこで我々は, カメラキャリブレーションパラメータを補正した3次元物体のリアリズムの判断を参加者に依頼した。
  論文  参考訳（メタデータ） (2022-08-25T18:40:45Z)
• Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
  汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。 提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
  論文  参考訳（メタデータ） (2021-12-06T19:42:05Z)
• Rethinking Generic Camera Models for Deep Single Image Camera Calibration to Recover Rotation and Fisheye Distortion [8.877834897951578]
  本稿では,様々な歪みに対処可能な汎用カメラモデルを提案する。 提案手法は,市販の魚眼カメラで撮影した2つの大規模データセットと画像に対して,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-11-25T05:58:23Z)
• Self-Calibrating Neural Radiance Fields [68.64327335620708]
  キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。 我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
  論文  参考訳（メタデータ） (2021-08-31T13:34:28Z)
• Wide-angle Image Rectification: A Survey [86.36118799330802]
  広角画像は、基礎となるピンホールカメラモデルに反する歪みを含む。 これらの歪みを補正することを目的とした画像修正は、これらの問題を解決することができる。 本稿では、異なるアプローチで使用されるカメラモデルについて、詳細な説明と議論を行う。 次に,従来の幾何学に基づく画像修正手法と深層学習法の両方について検討する。
  論文  参考訳（メタデータ） (2020-10-30T17:28:40Z)
• Neural Ray Surfaces for Self-Supervised Learning of Depth and Ego-motion [51.19260542887099]
  カメラモデルの事前知識を必要とせずに、自己超越を用いて正確な深度とエゴモーション推定を学習できることが示される。 Grossberg と Nayar の幾何学モデルにインスパイアされた我々は、ピクセルワイド射影線を表す畳み込みネットワークである Neural Ray Surfaces (NRS) を導入する。 本研究では,多種多様なカメラシステムを用いて得られた生ビデオから,視覚計測の自己教師付き学習と深度推定にNRSを用いることを実証する。
  論文  参考訳（メタデータ） (2020-08-15T02:29:13Z)
• Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
  パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。 Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。 本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
  論文  参考訳（メタデータ） (2020-07-30T09:21:04Z)

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。