論文の概要: Two-View Geometry Scoring Without Correspondences

• arxiv url: http://arxiv.org/abs/2306.01596v1
• Date: Fri, 2 Jun 2023 15:07:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 14:43:38.900113
• Title: Two-View Geometry Scoring Without Correspondences
• Title（参考訳）: 対応のない2次元幾何学
• Authors: Axel Barroso-Laguna, Eric Brachmann, Victor Adrian Prisacariu, Gabriel J. Brostow, Daniyar Turmukhambetov
• Abstract要約: カメラのポーズ推定は伝統的にRANSACに依存している。 本稿では,一対の重なり合う画像と,提案する基本行列のスコアを推定する基本スコアネットワーク(FSNet)を提案する。
• 参考スコア（独自算出の注目度）: 35.32985833785038
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Camera pose estimation for two-view geometry traditionally relies on RANSAC. Normally, a multitude of image correspondences leads to a pool of proposed hypotheses, which are then scored to find a winning model. The inlier count is generally regarded as a reliable indicator of "consensus". We examine this scoring heuristic, and find that it favors disappointing models under certain circumstances. As a remedy, we propose the Fundamental Scoring Network (FSNet), which infers a score for a pair of overlapping images and any proposed fundamental matrix. It does not rely on sparse correspondences, but rather embodies a two-view geometry model through an epipolar attention mechanism that predicts the pose error of the two images. FSNet can be incorporated into traditional RANSAC loops. We evaluate FSNet on fundamental and essential matrix estimation on indoor and outdoor datasets, and establish that FSNet can successfully identify good poses for pairs of images with few or unreliable correspondences. Besides, we show that naively combining FSNet with MAGSAC++ scoring approach achieves state of the art results.
• Abstract（参考訳）: カメラのポーズ推定は伝統的にRANSACに依存している。 通常、多数の画像対応は、提案された仮説のプールにつながり、勝利モデルを見つけるためにスコアが与えられる。 インリアー数は一般に「合意」の信頼できる指標と見なされる。 このスコアリングヒューリスティックを検証したところ、特定の状況下では失望するモデルを好むことがわかった。 本稿では,一対の重なり合う画像と基本行列のスコアを推定する基本スコアネットワーク(FSNet)を提案する。 スパース対応には依存せず、2つの画像のポーズ誤差を予測するエピポーラアテンション機構を通じて2次元幾何学モデルを具現化する。 FSNetは従来のRANSACループに組み込むことができる。 我々は,FSNetを屋内および屋外データセットの基本的および本質的な行列推定に基づいて評価し,FSNetが少ないあるいは信頼性の低い画像のペアに対してよいポーズを識別できることを確かめた。 さらに,FSNet と MAGSAC++ のスコアリング手法を鼻で組み合わせることで,その結果が得られた。

関連論文リスト

• Filling Missing Values Matters for Range Image-Based Point Cloud Segmentation [12.62718910894575]
  ポイントクラウドセグメンテーション(PCS)は、ロボットの知覚とナビゲーションタスクにおいて重要な役割を果たす。 大規模屋外点雲を効率的に理解するために、その範囲画像表現が一般的である。 しかし、範囲画像の望ましくない欠落値は、物体の形状やパターンを損なう。 この問題は、オブジェクトからコヒーレントで完全な幾何学的情報を学ぶ際に、モデルにとって困難を生じさせる。
  論文  参考訳（メタデータ） (2024-05-16T15:13:42Z)
• Incorporating Crowdsourced Annotator Distributions into Ensemble Modeling to Improve Classification Trustworthiness for Ancient Greek Papyri [3.870354915766567]
  このようなデータセットの問題を複雑にする2つの問題は、クラス不均衡とラベリングにおける地道不確実性である。 このようなデータセットに対するアンサンブルモデリングの応用は、地上の真実が疑問視されている画像を特定し、それらのサンプルの信頼性を定量化するのに役立ちます。
  論文  参考訳（メタデータ） (2022-10-28T19:39:14Z)
• RelPose: Predicting Probabilistic Relative Rotation for Single Objects in the Wild [73.1276968007689]
  本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。 本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-11T17:59:59Z)
• PoserNet: Refining Relative Camera Poses Exploiting Object Detections [14.611595909419297]
  我々は、明示的な意味的オブジェクト検出よりも、ポーズ推定問題を導くために、オブジェクトネス領域を使用する。 本稿では,ペアワイド相対カメラのポーズを近似的に改善する軽量グラフネットワーク Pose Refiner Network (PoserNet) を提案する。 グラフのサイズによって異なる7-Scenesデータセットを評価し、このプロセスが最適化に基づくMotion Averagingアルゴリズムにどのように役立つかを示す。
  論文  参考訳（メタデータ） (2022-07-19T17:58:33Z)
• BiCo-Net: Regress Globally, Match Locally for Robust 6D Pose Estimation [32.49091033895255]
  双方向対応マッピングネットワーク(BiCo-Net)は、典型的なポーズ回帰によって導かれる点雲を生成する。 局所的マッチングと直接ポーズ回帰による冗長なポーズ予測のアンサンブルは、ノイズ観測に対する最終的なポーズ出力をさらに洗練する。
  論文  参考訳（メタデータ） (2022-05-07T03:37:33Z)
• Self-Supervised Ranking for Representation Learning [108.38993212650577]
  本稿では、画像検索コンテキストにおけるランキング問題として定式化することで、自己教師型表現学習のための新しいフレームワークを提案する。 我々は、画像のランダムなビューが正に関連していると考えられるランク付けのための平均精度(AP)を最大化し、表現エンコーダを訓練する。 原則として、ランク付け基準を使用することで、対象中心のキュレートされたデータセットへの依存を排除します。
  論文  参考訳（メタデータ） (2020-10-14T17:24:56Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)
• CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
  少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2020-03-24T04:55:43Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。