論文の概要: Partial Transport for Point-Cloud Registration
- arxiv url: http://arxiv.org/abs/2309.15787v1
- Date: Wed, 27 Sep 2023 17:04:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 12:43:52.090707
- Title: Partial Transport for Point-Cloud Registration
- Title（参考訳）: ポイントクラウド登録のための部分輸送
- Authors: Yikun Bai and Huy Tran and Steven B. Damelin and Soheil Kolouri
- Abstract要約: 本稿では, 最適部分輸送問題に基づく総合的な非剛性登録手法を提案する。
提案アルゴリズムをスライシングにより拡張し,計算効率を向上する。
提案手法の有効性を実証し, 各種の3次元および2次元非剛性登録問題のベースラインと比較する。
- 参考スコア（独自算出の注目度）: 11.62232246430338
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Point cloud registration plays a crucial role in various fields, including
robotics, computer graphics, and medical imaging. This process involves
determining spatial relationships between different sets of points, typically
within a 3D space. In real-world scenarios, complexities arise from non-rigid
movements and partial visibility, such as occlusions or sensor noise, making
non-rigid registration a challenging problem. Classic non-rigid registration
methods are often computationally demanding, suffer from unstable performance,
and, importantly, have limited theoretical guarantees. The optimal transport
problem and its unbalanced variations (e.g., the optimal partial transport
problem) have emerged as powerful tools for point-cloud registration,
establishing a strong benchmark in this field. These methods view point clouds
as empirical measures and provide a mathematically rigorous way to quantify the
`correspondence' between (the transformed) source and target points. In this
paper, we approach the point-cloud registration problem through the lens of
optimal transport theory and first propose a comprehensive set of non-rigid
registration methods based on the optimal partial transportation problem.
Subsequently, leveraging the emerging work on efficient solutions to the
one-dimensional optimal partial transport problem, we extend our proposed
algorithms via slicing to gain significant computational efficiency, resulting
in fast and robust non-rigid registration algorithms. We demonstrate the
effectiveness of our proposed methods and compare them against baselines on
various 3D and 2D non-rigid registration problems where the source and target
point clouds are corrupted by random noise.
- Abstract（参考訳）: ポイントクラウド登録は、ロボティクス、コンピュータグラフィックス、医療画像など様々な分野で重要な役割を担っている。
この過程は、通常3次元空間内で異なる点の集合間の空間的関係を決定することを含む。
現実のシナリオでは、複雑度は非厳密な動きや、閉塞やセンサノイズなどの部分的な可視性から生じ、非厳密な登録が困難な問題となる。
古典的な非厳密な登録法は、しばしば計算的に要求され、不安定な性能に苦しむ。
最適輸送問題とその不均衡変動(例えば、最適部分輸送問題)は、ポイントクラウド登録のための強力なツールとして出現し、この分野において強力なベンチマークを確立した。
これらの手法は点雲を経験的尺度として捉え、(変換された)原点と目標点の間の「相関」を数学的に厳密に定量化する方法を提供する。
本稿では, 最適輸送理論のレンズを通してポイントクラウド登録問題にアプローチし, まず, 最適部分輸送問題に基づく包括的非剛性登録法を提案する。
その後、一次元の最適部分輸送問題に対する効率的な解法を生かし、スライシングにより提案アルゴリズムを拡張し、計算効率を向上し、高速で堅牢な非剛性登録アルゴリズムを実現する。
本研究では,提案手法の有効性を実証し,音源と対象点の雲がランダムノイズにより崩壊する様々な3次元および2次元非剛性登録問題におけるベースラインと比較する。
関連論文リスト
- SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - OTClean: Data Cleaning for Conditional Independence Violations using
Optimal Transport [51.6416022358349]
sysは、条件付き独立性(CI)制約下でのデータ修復に最適な輸送理論を利用するフレームワークである。
我々はSinkhornの行列スケーリングアルゴリズムにインスパイアされた反復アルゴリズムを開発し、高次元および大規模データを効率的に処理する。
論文 参考訳（メタデータ） (2024-03-04T18:23:55Z) - Efficient and Deterministic Search Strategy Based on Residual Projections for Point Cloud Registration with Correspondences [18.509532571594995]
現在の3D特徴マッチングアプローチは、通常、多くの外乱対応をもたらし、外乱登録技術は不可欠である。
本稿では,残射影に基づく新しいポーズデカップリング戦略を導入し,生の登録問題を3つのサブプロブレムに分解する。
本手法は,同時ポーズと登録の困難な問題に適応することができる。
論文 参考訳（メタデータ） (2023-05-19T14:52:40Z) - GraphReg: Dynamical Point Cloud Registration with Geometry-aware Graph
Signal Processing [0.0]
本研究では,3次元点雲登録のための高精度,効率的,物理的に誘導された手法を提案する。
我々は、粒子(点)の動きを制御し、より正確で頑健な登録を実現するために、幾何学を意識した剛体力学を探求する。
その結果,提案手法は精度において最先端の手法よりも優れており,大規模点雲の登録に適していることがわかった。
論文 参考訳（メタデータ） (2023-02-02T14:06:46Z) - Evolutionary Multitasking with Solution Space Cutting for Point Cloud
Registration [20.247335152837437]
本研究では,マルチタスク構成を解空間切断の考え方に基づくEMTOによる新規な登録アルゴリズムを提案する。
8つの進化的アプローチ,4つの従来のアプローチ,および3つのディープラーニングアプローチによるオブジェクトスケールおよびシーンスケールの登録データセットと比較し,実験結果から,提案手法の精度および局所最適処理における優れた性能が示された。
論文 参考訳（メタデータ） (2022-12-12T03:32:05Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。
提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。
大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
論文 参考訳（メタデータ） (2022-11-02T14:35:13Z) - Robust Motion Averaging for Multi-view Registration of Point Sets Based
Maximum Correntropy Criterion [4.318555434063273]
ラプラシアンカーネルを用いた最大コレントロピー基準(LMCC)を用いたマルチビュー登録のための新しい動き平均化フレームワークを提案する。
本手法は, 効率, 精度, 堅牢性において優れた性能を実現する。
論文 参考訳（メタデータ） (2022-08-24T06:49:43Z) - Constrained Mass Optimal Transport [0.0]
本稿では,制約付き最適輸送の問題を紹介する。
アルゴリズムの族は制約付きサドル点問題のクラスを解くために導入された。
収束証明と数値結果を示す。
論文 参考訳（メタデータ） (2022-06-05T06:47:25Z) - Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds
with Optimal Transport and Random Walk [59.87525177207915]
シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。
本手法は,自己教師付き学習手法の最先端性能を実現する。
論文 参考訳（メタデータ） (2021-05-18T03:12:42Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳（メタデータ） (2020-12-15T11:42:17Z)
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。