論文の概要: EAR-Net: Pursuing End-to-End Absolute Rotations from Multi-View Images

• arxiv url: http://arxiv.org/abs/2310.10051v1
• Date: Mon, 16 Oct 2023 04:21:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 16:41:37.974987
• Title: EAR-Net: Pursuing End-to-End Absolute Rotations from Multi-View Images
• Title（参考訳）: EAR-Net:マルチビュー画像からエンドツーエンドの絶対回転を求める
• Authors: Yuzhen Liu, Qiulei Dong
• Abstract要約: 絶対回転推定は3次元コンピュータビジョンにおいて重要なトピックである。 深層ニューラルネットワークに基づく多視点画像から溶出回転を推定するエンド・ツー・エンド手法を提案する。
• 参考スコア（独自算出の注目度）: 17.386735294534738
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Absolute rotation estimation is an important topic in 3D computer vision. Existing works in literature generally employ a multi-stage (at least two-stage) estimation strategy where multiple independent operations (feature matching, two-view rotation estimation, and rotation averaging) are implemented sequentially. However, such a multi-stage strategy inevitably leads to the accumulation of the errors caused by each involved operation, and degrades its final estimation on global rotations accordingly. To address this problem, we propose an End-to-end method for estimating Absolution Rotations from multi-view images based on deep neural Networks, called EAR-Net. The proposed EAR-Net consists of an epipolar confidence graph construction module and a confidence-aware rotation averaging module. The epipolar confidence graph construction module is explored to simultaneously predict pairwise relative rotations among the input images and their corresponding confidences, resulting in a weighted graph (called epipolar confidence graph). Based on this graph, the confidence-aware rotation averaging module, which is differentiable, is explored to predict the absolute rotations. Thanks to the introduced confidences of the relative rotations, the proposed EAR-Net could effectively handle outlier cases. Experimental results on three public datasets demonstrate that EAR-Net outperforms the state-of-the-art methods by a large margin in terms of accuracy and speed.
• Abstract（参考訳）: 絶対回転推定は3次元コンピュータビジョンにおいて重要な話題である。 既存の文献では、複数の独立した操作(特徴マッチング、二次元回転推定、回転平均化)を順次実施する多段階(少なくとも2段階)推定戦略が一般的である。 しかし、このような多段階戦略は必然的に、関連する各操作によるエラーの蓄積を招き、それに従って大域回転に関する最終的な推定を低下させる。 この問題を解決するために、EAR-Netと呼ばれる深層ニューラルネットワークに基づく多視点画像から溶出回転を推定するエンド・ツー・エンド手法を提案する。 提案するear-netはエピポーラ信頼グラフ構築モジュールと信頼度対応回転平均化モジュールからなる。 エピポーラ信頼グラフ構築モジュールは、入力画像と対応する信頼度の間の対方向相対回転を同時に予測し、重み付きグラフ(エピポーラ信頼グラフと呼ばれる)を生成する。 このグラフに基づいて、絶対回転を予測するために、微分可能な信頼度対応回転平均化モジュールを探索する。 相対回転の信頼性が導入されたため、提案されたEAR-Netは外乱ケースを効果的に扱えるようになった。 3つの公開データセットの実験結果から、EAR-Netは精度と速度の点で最先端の手法よりも高い性能を示している。

関連論文リスト

• Intensity Profile Projection: A Framework for Continuous-Time Representation Learning for Dynamic Networks [50.2033914945157]
  本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。 このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。 さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T15:38:25Z)
• 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)
• E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
  重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。 回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
  論文  参考訳（メタデータ） (2022-07-20T16:11:48Z)
• Deep Weighted Consensus: Dense correspondence confidence maps for 3D shape registration [8.325327265120283]
  学習可能な重み付きコンセンサスに基づく点雲間の剛性アライメントのための新しいパラダイムを提案する。 我々は、濃密でソフトアライメントマップに由来する信頼度レベルに従って、サンプリングされた一致点から点雲をアライメントできると主張する。 パイプラインは微分可能であり、高いノイズレベルであってもSO(3)の全スペクトルにおいて大きな回転の下で収束する。
  論文  参考訳（メタデータ） (2021-05-06T14:27:59Z)
• Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
  本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。 画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。 本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2021-04-28T02:00:04Z)
• On the Robustness of Multi-View Rotation Averaging [77.09542018140823]
  解法に$epsilon$-cycle整合項を導入する。 重み低減による誤測定の負の効果を暗黙的に抑制する。 実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。
  論文  参考訳（メタデータ） (2021-02-09T05:47:37Z)
• 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。