論文の概要: Distributed Global Structure-from-Motion with a Deep Front-End
- arxiv url: http://arxiv.org/abs/2311.18801v1
- Date: Thu, 30 Nov 2023 18:47:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 15:09:48.640688
- Title: Distributed Global Structure-from-Motion with a Deep Front-End
- Title(参考訳): 深部フロントエンドを用いた分散グローバル構造移動
- Authors: Ayush Baid, John Lambert, Travis Driver, Akshay Krishnan, Hayk
Stepanyan, and Frank Dellaert
- Abstract要約: 我々は,グローバルSfMがSOTAインクリメンタルSfMアプローチ(COLMAP)と同等に機能するかどうかを検討する。
我々のSfMシステムは、分散計算を活用するためにゼロから設計されており、複数のマシン上で計算を並列化し、大規模なシーンにスケールすることができる。
- 参考スコア(独自算出の注目度): 11.2064188838227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While initial approaches to Structure-from-Motion (SfM) revolved around both
global and incremental methods, most recent applications rely on incremental
systems to estimate camera poses due to their superior robustness. Though there
has been tremendous progress in SfM `front-ends' powered by deep models learned
from data, the state-of-the-art (incremental) SfM pipelines still rely on
classical SIFT features, developed in 2004. In this work, we investigate
whether leveraging the developments in feature extraction and matching helps
global SfM perform on par with the SOTA incremental SfM approach (COLMAP). To
do so, we design a modular SfM framework that allows us to easily combine
developments in different stages of the SfM pipeline. Our experiments show that
while developments in deep-learning based two-view correspondence estimation do
translate to improvements in point density for scenes reconstructed with global
SfM, none of them outperform SIFT when comparing with incremental SfM results
on a range of datasets. Our SfM system is designed from the ground up to
leverage distributed computation, enabling us to parallelize computation on
multiple machines and scale to large scenes.
- Abstract(参考訳): SfM(Structure-from-Motion)への最初のアプローチは、グローバルメソッドとインクリメンタルメソッドの両方を中心に展開されたが、近年のアプリケーションでは、より優れたロバスト性のためにカメラのポーズを推定するためにインクリメンタルシステムに依存している。
SfMの「フロントエンド」はデータから学習したディープモデルによって大幅に進歩しているが、SfMパイプラインは2004年に開発された古典的なSIFT機能に依存している。
本研究では,somaインクリメンタルsfmアプローチ (colmap) と同等の機能抽出とマッチングによってグローバルsfmが機能するかどうかを検討する。
そのために、モジュール型のSfMフレームワークを設計し、SfMパイプラインの異なる段階の開発を簡単に組み合わせることができます。
実験の結果, 深層学習に基づく2視点対応推定手法の開発は, グローバルSfMで再構成したシーンの点密度の向上に寄与するが, 一連のデータセットにおける漸進的なSfM結果と比較した場合, SIFTよりも優れていないことがわかった。
私たちのsfmシステムは、分散計算を活用するためにゼロから設計されており、複数のマシンで計算を並列化し、大きなシーンにスケールできます。
関連論文リスト
- Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。
AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。
AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2024-03-12T11:48:49Z) - Enhancing Automatic Modulation Recognition through Robust Global Feature
Extraction [12.868218616042292]
変調信号は長時間の時間依存性を示す。
人間の専門家は星座図のパターンを分析し、変調スキームを分類する。
古典的な畳み込みベースのネットワークは、局所的な特徴を抽出することに長けているが、グローバルな関係を捉えるのに苦労している。
論文 参考訳(メタデータ) (2024-01-02T06:31:24Z) - Spatial Attention-based Distribution Integration Network for Human Pose
Estimation [0.8052382324386398]
本研究では,空間アテンションに基づく分布統合ネットワーク(SADI-NET)を提案する。
我々のネットワークは、受容強化モジュール(RFM)、空間融合モジュール(SFM)、分散学習モジュール(DLM)の3つの効率的なモデルで構成されている。
我々のモデルは、MPIIテストデータセットで920.10%の精度を得、既存のモデルよりも大幅に改善され、最先端のパフォーマンスが確立された。
論文 参考訳(メタデータ) (2023-11-09T12:43:01Z) - FederatedScope-LLM: A Comprehensive Package for Fine-tuning Large
Language Models in Federated Learning [70.38817963253034]
本稿では, ファインチューニング LLM のこれらの課題について論じ, 本パッケージ FS-LLM を主な貢献として紹介する。
我々は、FLシナリオにおける将来の拡張のために、包括的フェデレーションパラメータ効率の良い微調整アルゴリズムの実装と汎用プログラミングインタフェースを提供する。
本研究では, FS-LLM の有効性を検証し, FL 設定におけるパラメータ効率の高いパラメータ調整アルゴリズムを用いて, 高度な LLM のベンチマークを行う。
論文 参考訳(メタデータ) (2023-09-01T09:40:36Z) - Asynchronous Multi-Model Dynamic Federated Learning over Wireless
Networks: Theory, Modeling, and Optimization [20.741776617129208]
分散機械学習(ML)の鍵となる技術として、フェデレートラーニング(FL)が登場した。
まず、システムパラメータが学習性能に与える影響を捉えるために、長方形のスケジューリングステップと関数を定式化する。
我々の分析は、デバイストレーニング変数と非同期スケジューリング決定の協調的影響に光を当てている。
論文 参考訳(メタデータ) (2023-05-22T21:39:38Z) - AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from
Motion [48.835456049755166]
AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。
当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。
本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
論文 参考訳(メタデータ) (2023-01-28T09:06:50Z) - DeepMLE: A Robust Deep Maximum Likelihood Estimator for Two-view
Structure from Motion [9.294501649791016]
動きからの2次元構造(SfM)は3次元再構成と視覚SLAM(vSLAM)の基礎となる。
本稿では,2視点SfM問題を最大最大推定(MLE)として定式化し,DeepMLEと表記されるフレームワークを用いて解いた。
提案手法は,最先端の2ビューSfM手法よりも精度と一般化能力において優れる。
論文 参考訳(メタデータ) (2022-10-11T15:07:25Z) - Transformer-based Context Condensation for Boosting Feature Pyramids in
Object Detection [77.50110439560152]
現在の物体検出器は、通常マルチレベル特徴融合(MFF)のための特徴ピラミッド(FP)モジュールを持つ。
我々は,既存のFPがより優れたMFF結果を提供するのに役立つ,新しい,効率的なコンテキストモデリング機構を提案する。
特に,包括的文脈を2種類の表現に分解・凝縮して高効率化を図っている。
論文 参考訳(メタデータ) (2022-07-14T01:45:03Z) - DeMFI: Deep Joint Deblurring and Multi-Frame Interpolation with
Flow-Guided Attentive Correlation and Recursive Boosting [50.17500790309477]
DeMFI-Netは、共同でデブロアリングとマルチフレームのフレームワークである。
低フレームレートのぼやけたビデオを高フレームレートでシャープなビデオに変換する。
多様なデータセットに対して、最先端(SOTA)のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-11-19T00:00:15Z) - Sequential Hierarchical Learning with Distribution Transformation for
Image Super-Resolution [83.70890515772456]
画像SRのための逐次階層学習型超解像ネットワーク(SHSR)を構築した。
特徴のスケール間相関を考察し、階層的情報を段階的に探索するシーケンシャルなマルチスケールブロック(SMB)を考案する。
実験結果から,SHSRは最先端手法に優れた定量的性能と視覚的品質が得られることが示された。
論文 参考訳(メタデータ) (2020-07-19T01:35:53Z)
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。