論文の概要: Transformation Decoupling Strategy based on Screw Theory for Deterministic Point Cloud Registration with Gravity Prior

• arxiv url: http://arxiv.org/abs/2311.01432v1
• Date: Thu, 2 Nov 2023 17:46:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 12:22:13.121418
• Title: Transformation Decoupling Strategy based on Screw Theory for Deterministic Point Cloud Registration with Gravity Prior
• Title（参考訳）: 重力前もって決定論的ポイントクラウド登録のためのねじ理論に基づく変換分離戦略
• Authors: Xinyi Li, Zijian Ma, Yinlong Liu, Walter Zimmer, Hu Cao, Feihu Zhang and Alois Knoll
• Abstract要約: 本稿では, 先行重力による頑健な対応に基づく登録問題に対処することに焦点を当てる。 スクリュー理論を利用した新しい変換デカップリング戦略を提案する。 本手法は,99%以上のアウトレーヤレートを扱う場合であっても,最先端手法よりも効率的かつ堅牢である。
• 参考スコア（独自算出の注目度）: 18.2236540834986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Point cloud registration is challenging in the presence of heavy outlier correspondences. This paper focuses on addressing the robust correspondence-based registration problem with gravity prior that often arises in practice. The gravity directions are typically obtained by inertial measurement units (IMUs) and can reduce the degree of freedom (DOF) of rotation from 3 to 1. We propose a novel transformation decoupling strategy by leveraging screw theory. This strategy decomposes the original 4-DOF problem into three sub-problems with 1-DOF, 2-DOF, and 1-DOF, respectively, thereby enhancing the computation efficiency. Specifically, the first 1-DOF represents the translation along the rotation axis and we propose an interval stabbing-based method to solve it. The second 2-DOF represents the pole which is an auxiliary variable in screw theory and we utilize a branch-and-bound method to solve it. The last 1-DOF represents the rotation angle and we propose a global voting method for its estimation. The proposed method sequentially solves three consensus maximization sub-problems, leading to efficient and deterministic registration. In particular, it can even handle the correspondence-free registration problem due to its significant robustness. Extensive experiments on both synthetic and real-world datasets demonstrate that our method is more efficient and robust than state-of-the-art methods, even when dealing with outlier rates exceeding 99%.
• Abstract（参考訳）: ポイントクラウドの登録は、重いアウトリール対応の存在下では困難である。 本稿では,実際に頻繁に発生する重力によるロバスト対応に基づく登録問題に対処することに焦点を当てる。 重力方向は通常慣性測定ユニット(IMU)によって得られ、回転の自由度(DOF)を3から1に下げることができる。 スクリュー理論を利用した新しい変換デカップリング戦略を提案する。 この戦略は、元の 4-DOF 問題を 1-DOF と 2-DOF と 1-DOF の 3 つのサブプロブレムに分解し、計算効率を向上する。 具体的には、第1の1-DOFは回転軸に沿った変換を表現し、間隔スタビングに基づく解法を提案する。 第2の2-DOFは、スクリュー理論の補助変数である極を表し、その解法としてブランチ・アンド・バウンド法を用いる。 最後の1-DOFは回転角を表し,その推定のための大域的投票法を提案する。 提案手法は,3つのコンセンサス最大化部分問題の逐次解法である。 特に、相当な堅牢性のため、対応のない登録問題にも対処できる。 人工と実世界の両方のデータセットに対する大規模な実験は、我々の手法が最先端の手法よりも効率的で堅牢であることを示した。

関連論文リスト

• Escaping Saddle Points in Heterogeneous Federated Learning via Distributed SGD with Communication Compression [42.85797250438604]
  本稿では,新しいエラーフィードバック方式により,圧縮された情報のみを伝達する新しいアルゴリズムPower-EFを提案する。 Power-EFは、データ均一性を仮定せずに不均一FLにおけるサドル点を確実に回避する最初の分散圧縮SGDアルゴリズムである。 我々の理論は、ローカルデータに対するより寛容な設定を拡張しながら、以前の結果を改善・復元する。
  論文  参考訳（メタデータ） (2023-10-29T16:24:53Z)
• Momentum Provably Improves Error Feedback! [54.93799845077906]
  未処理の場合、圧縮による誤差は指数的トレーニングの振る舞いを伝播させる。 EF21-SGDMは、従来のエラーフィードバックアルゴリズムの通信とサンプルの複雑さを改善している。
  論文  参考訳（メタデータ） (2023-05-24T13:52:02Z)
• 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)
• D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
  コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。 このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。 さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
  論文  参考訳（メタデータ） (2023-03-01T10:38:10Z)
• FedDA: Faster Framework of Local Adaptive Gradient Methods via Restarted Dual Averaging [104.41634756395545]
  フェデレートラーニング(Federated Learning, FL)は、大規模な分散データに取り組むための新たな学習パラダイムである。 局所適応勾配法のための新しいフレームワークである textbfFedDA を提案する。 textbfFedDA-MVR は適応FLアルゴリズムとしては初めてこの速度を実現することを示す。
  論文  参考訳（メタデータ） (2023-02-13T05:10:30Z)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• Robust Manifold Nonnegative Tucker Factorization for Tensor Data Representation [44.845291873747335]
  非負のタッカー因子化 (NTF) はユークリッド距離を最小化し、元のデータと低ランク近似との間のクルバック・リブラーのばらつきを最小化する。 NTF は回転のあいまいさに悩まされ、回転変換と非回転変換の解は、最大公約値を得るという意味で等しく等しい。 本稿では,3つのRobust Manifold NTFアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-08T01:16:21Z)
• A dual semismooth Newton based augmented Lagrangian method for large-scale linearly constrained sparse group square-root Lasso problems [0.0]
  本稿では,大規模線形制約付きスパース群正方根ラッソ問題の数値計算に着目する。 本稿では,2つの半平板ニュートン(SSN)をベースとした拡張ラグランジアン法(ALM)を提案する。 数値実験により提案アルゴリズムの有効性が示された。
  論文  参考訳（メタデータ） (2021-11-27T12:20:43Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• On the Practicality of Differential Privacy in Federated Learning by Tuning Iteration Times [51.61278695776151]
  フェデレートラーニング(FL)は、分散クライアント間で機械学習モデルを協調的にトレーニングする際のプライバシ保護でよく知られている。 最近の研究では、naive flは勾配リーク攻撃の影響を受けやすいことが指摘されている。 ディファレンシャルプライバシ(dp)は、勾配漏洩攻撃を防御するための有望な対策として現れる。
  論文  参考訳（メタデータ） (2021-01-11T19:43:12Z)
• TEASER: Fast and Certifiable Point Cloud Registration [30.19476775410544]
  最初の高速かつ堅牢な3Dポイントの登録アルゴリズムは、大量の外れ値の存在下での3Dポイントの登録である。 TEASER++という名前の第二の高速で堅牢な認証翻訳は、大規模なサブプロブレムを解決するために、既成の非コンポーネントを使用する。
  論文  参考訳（メタデータ） (2020-01-21T18:56:00Z)

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。