論文の概要: Incremental Rotation Averaging Revisited and More: A New Rotation Averaging Benchmark

• arxiv url: http://arxiv.org/abs/2309.16924v3
• Date: Fri, 5 Jan 2024 02:49:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 18:07:49.226138
• Title: Incremental Rotation Averaging Revisited and More: A New Rotation Averaging Benchmark
• Title（参考訳）: インクリメンタルローテーション平均化再訪など: 新しいローテーション平均化ベンチマーク
• Authors: Xiang Gao, Hainan Cui, and Shuhan Shen
• Abstract要約: IRAv4と呼ばれるIncrmental Rotation Averagingファミリーの新規メンバーが導入された。 タスク固有連結支配集合を抽出し、回転大域アライメントのより信頼性が高く正確な基準となる。 本稿では,COLMAPとBundlerのクロスチェックを組み込んだ,COLMAPに基づく回転平均化ベンチマークを提案する。
• 参考スコア（独自算出の注目度）: 19.315026204511973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In order to further advance the accuracy and robustness of the incremental parameter estimation-based rotation averaging methods, in this paper, a new member of the Incremental Rotation Averaging (IRA) family is introduced, which is termed as IRAv4. As the most significant feature of the IRAv4, a task-specific connected dominating set is extracted to serve as a more reliable and accurate reference for rotation global alignment. In addition, to further address the limitations of the existing rotation averaging benchmark of relying on the slightly outdated Bundler camera calibration results as ground truths and focusing solely on rotation estimation accuracy, this paper presents a new COLMAP-based rotation averaging benchmark that incorporates a cross check between COLMAP and Bundler, and employ the accuracy of both rotation and downstream location estimation as evaluation metrics, which is desired to provide a more reliable and comprehensive evaluation tool for the rotation averaging research. Comprehensive comparisons between the proposed IRAv4 and other mainstream rotation averaging methods on this new benchmark demonstrate the effectiveness of our proposed approach.
• Abstract（参考訳）: インクリメンタルパラメータ推定に基づく回転平均化手法の精度とロバスト性をさらに向上するために,インクリメンタル回転平均化(IRA)ファミリーの新たなメンバーを導入し,IRAv4と呼ぶ。 IRAv4の最も重要な特徴として、タスク固有の連結支配集合が抽出され、より信頼性が高く正確な回転グローバルアライメントの基準となる。 In addition, to further address the limitations of the existing rotation averaging benchmark of relying on the slightly outdated Bundler camera calibration results as ground truths and focusing solely on rotation estimation accuracy, this paper presents a new COLMAP-based rotation averaging benchmark that incorporates a cross check between COLMAP and Bundler, and employ the accuracy of both rotation and downstream location estimation as evaluation metrics, which is desired to provide a more reliable and comprehensive evaluation tool for the rotation averaging research. 提案するirav4と他の主軸回転平均法との包括的比較により,提案手法の有効性が示された。

関連論文リスト

• Consensus-Adaptive RANSAC [104.87576373187426]
  本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。 注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
  論文  参考訳（メタデータ） (2023-07-26T08:25:46Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via Adversarial Rotation [89.47574181669903]
  本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。 具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。 最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
  論文  参考訳（メタデータ） (2022-03-08T07:20:16Z)
• Rotation-Only Bundle Adjustment [20.02647320786556]
  本稿では,カメラの位置とシーン構造から独立して,カメラのグローバルな回転を推定するための新しい手法を提案する。 このアイデアを複数のビューに拡張し、変換と構造推定から回転推定を分離する。 我々は、合成データと実データの両方を広範囲に評価し、最先端の回転平均化法を用いて、一貫した精度と有意な精度を示す。
  論文  参考訳（メタデータ） (2020-11-23T20:57:11Z)
• Orientation Keypoints for 6D Human Pose Estimation [15.347102634852613]
  骨格関節の完全な位置と回転を推定するための新しいアプローチである方向キーポイントを導入する。 モーションキャプチャーシステムは、全骨回転を推定するために一組のポイントマーカーを使用する方法に着想を得て、仮想マーカーを用いて十分な情報を生成する。 回転予測は関節角度の平均誤差を48%改善し、15個の骨回転で93%の精度を達成する。
  論文  参考訳（メタデータ） (2020-09-10T15:15:12Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。