論文の概要: LOSTU: Fast, Scalable, and Uncertainty-Aware Triangulation

• arxiv url: http://arxiv.org/abs/2311.11171v1
• Date: Sat, 18 Nov 2023 21:27:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 10:23:22.648173
• Title: LOSTU: Fast, Scalable, and Uncertainty-Aware Triangulation
• Title（参考訳）: LOSTU: 高速でスケーラブルで不確実な三角測量
• Authors: S\'ebastien Henry and John A. Christian
• Abstract要約: 三角法アルゴリズムは、しばしば再射(L$)誤差を最小限にすることを目的としているが、これは、カメラパラメータやカメラポーズにエラーがない場合にのみ最大推定値を提供する。 この研究は、最近の発見を活用して、高速でスケーラブルで統計的に最適な、LOSTUと呼ばれる三角測量方法を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Triangulation algorithms often aim to minimize the reprojection ($L_2$) error, but this only provides the maximum likelihood estimate when there are no errors in the camera parameters or camera poses. Although recent advancements have yielded techniques to estimate camera parameters accounting for 3D point uncertainties, most structure from motion (SfM) pipelines still use older triangulation algorithms. This work leverages recent discoveries to provide a fast, scalable, and statistically optimal way to triangulate called LOSTU. Results show that LOSTU consistently produces lower 3D reconstruction errors than conventional $L_2$ triangulation methods -- often allowing LOSTU to successfully triangulate more points. Moreover, in addition to providing a better 3D reconstruction, LOSTU can be substantially faster than Levenberg-Marquardt (or similar) optimization schemes.
• Abstract（参考訳）: 三角法アルゴリズムはしばしば再射(L_2$)誤差を最小限にすることを目的としているが、これはカメラパラメータやカメラポーズにエラーがない場合にのみ最大推定値を提供する。 近年の進歩により、3Dポイントの不確実性を考慮したカメラパラメータの推定技術が得られたが、ほとんどのSfMパイプラインは古い三角法アルゴリズムを使用している。 この研究は最近の発見を活用し、LOSTUと呼ばれる高速でスケーラブルで統計的に最適な三角測量方法を提供する。 結果として、losuは従来の$l_2$三角測量法よりも一貫して低い3d再構成誤差を生じることが判明した。 さらに、より優れた3D再構成を提供することに加えて、LOSTUはレバンス・マルカルト(または同様の)最適化方式よりも大幅に高速である。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Theoretical limits of descending $\ell_0$ sparse-regression ML algorithms [0.0]
  本研究では,emphmaximum-likelihood (ML)デコーディングの性能解析プログラムを開発した。 ML性能パラメータの鍵となるのは、残留エンフェロ平均二乗誤差(textbfRMSE$)を発見し、いわゆるエンフェロ遷移(PT)現象を示す。 Fl RDTの具体的実装と実用的妥当性は、典型的には、基礎となる数値評価のサイズのセットを実行する能力に依存している。
  論文  参考訳（メタデータ） (2024-10-10T06:33:41Z)
• Sparsity-Constraint Optimization via Splicing Iteration [1.3622424109977902]
  我々は sPlicing itEration (SCOPE) を用いたスペーサリティ制約最適化アルゴリズムを開発した。 SCOPEはパラメータをチューニングせずに効率的に収束する。 SCOPEを用いて2次最適化を解き、スパース分類器を学習し、バイナリ変数のスパースマルコフネットワークを復元する。 C++実装に基づいたオープンソースのPythonパッケージskscopeがGitHubで公開されている。
  論文  参考訳（メタデータ） (2024-06-17T18:34:51Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Deep Equilibrium Optical Flow Estimation [80.80992684796566]
  最近のSOTA(State-of-the-art)光フローモデルでは、従来のアルゴリズムをエミュレートするために有限ステップの更新操作を使用する。 これらのRNNは大きな計算とメモリオーバーヘッドを課し、そのような安定した推定をモデル化するために直接訓練されていない。 暗黙的層の無限レベル固定点として直接流れを解く手法として,Deep equilibrium Flow estimatorを提案する。
  論文  参考訳（メタデータ） (2022-04-18T17:53:44Z)
• STORM+: Fully Adaptive SGD with Momentum for Nonconvex Optimization [74.1615979057429]
  本研究では,スムーズな損失関数に対する期待値である非バッチ最適化問題について検討する。 我々の研究は、学習率と運動量パラメータを適応的に設定する新しいアプローチとともに、STORMアルゴリズムの上に構築されている。
  論文  参考訳（メタデータ） (2021-11-01T15:43:36Z)
• Boosting Continuous Sign Language Recognition via Cross Modality Augmentation [135.30357113518127]
  連続手話認識は不整合のビデオテキストペアを扱う。 クロスモーダル拡張を用いた新しいアーキテクチャを提案する。 提案するフレームワークは、既存のCTCベースの連続SLRアーキテクチャに容易に拡張できる。
  論文  参考訳（メタデータ） (2020-10-11T15:07:50Z)
• Robust Isometric Non-Rigid Structure-from-Motion [29.229898443263238]
  非Rigid Structure-from-Motion (NRSfM)は、モノクロ2D画像間の対応から変形可能な3Dオブジェクトを再構成する。 現在のNRSfM法は、対応誤りに対処する統計的堅牢性を欠いている。 等尺性を利用してNRSfMを頑健に解く3ステップの自動パイプラインを提案する。
  論文  参考訳（メタデータ） (2020-10-09T17:25:00Z)
• Robust Uncertainty-Aware Multiview Triangulation [20.02647320786556]
  マルチビュー三角測量と不確実性推定のための頑健で効率的な手法を提案する。 まず、中間点法を用いた2視点RANSACを用いた外乱除去方式を提案する。 第二に、初期解と不整集合を精製する異なる局所最適化法を比較する。 第三に、三角点の不確かさを、カメラの数、平均再投影誤差、最大パララックス角の3つの要素の関数としてモデル化する。
  論文  参考訳（メタデータ） (2020-08-04T00:47:42Z)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)
• 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。