論文の概要: Learning Unorthogonalized Matrices for Rotation Estimation

• arxiv url: http://arxiv.org/abs/2312.00462v1
• Date: Fri, 1 Dec 2023 09:56:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 15:07:07.013393
• Title: Learning Unorthogonalized Matrices for Rotation Estimation
• Title（参考訳）: 回転推定のための学習 unorthogonalized matrices
• Authors: Kerui Gu, Zhihao Li, Shiyong Liu, Jianzhuang Liu, Songcen Xu, Youliang Yan, Michael Bi Mi, Kenji Kawaguchi, Angela Yao
• Abstract要約: 3次元の回転を推定することは、3次元コンピュータビジョンの一般的な手順である。 回転行列という表現の1つの形式は、その連続性のために人気がある。 非直交擬似擬似回転行列(PRoM)を提案する。
• 参考スコア（独自算出の注目度）: 83.94986875750455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating 3D rotations is a common procedure for 3D computer vision. The accuracy depends heavily on the rotation representation. One form of representation -- rotation matrices -- is popular due to its continuity, especially for pose estimation tasks. The learning process usually incorporates orthogonalization to ensure orthonormal matrices. Our work reveals, through gradient analysis, that common orthogonalization procedures based on the Gram-Schmidt process and singular value decomposition will slow down training efficiency. To this end, we advocate removing orthogonalization from the learning process and learning unorthogonalized `Pseudo' Rotation Matrices (PRoM). An optimization analysis shows that PRoM converges faster and to a better solution. By replacing the orthogonalization incorporated representation with our proposed PRoM in various rotation-related tasks, we achieve state-of-the-art results on large-scale benchmarks for human pose estimation.
• Abstract（参考訳）: 3次元回転の推定は、3次元コンピュータビジョンの一般的な手順である。 精度は回転表現に大きく依存する。 回転行列という表現の1つの形式は、その連続性、特にポーズ推定タスクのために人気がある。 学習過程は通常直交化を取り入れ、正則行列を保証する。 我々の研究は、勾配解析を通じて、グラムシュミット過程と特異値分解に基づく共通直交化手順が訓練効率を低下させることを示した。 この目的のために,学習過程から直交化を除去し,非直交化された擬似回転行列(PRoM)を学習することを提唱する。 最適化分析により、promはより高速に収束し、より良いソリューションになる。 直交化統合表現を様々な回転関連タスクで提案したPRoMに置き換えることで、人間のポーズ推定のための大規模ベンチマークで最先端の結果が得られる。

関連論文リスト

• Rotation Averaging: A Primal-Dual Method and Closed-Forms in Cycle Graphs [6.511636092857915]
  幾何再構成のベンチマーク、平均化は、それらの間の測定された相対的向きのセットを最適に説明する絶対的な設定のセットを求める。 広範に受け入れられるスペクトル理論によって動機付けられた新しい原始双対サイクル法を提案する。
  論文  参考訳（メタデータ） (2024-05-29T21:46:39Z)
• 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)
• On Contrastive Representations of Stochastic Processes [53.21653429290478]
  プロセスの表現を学習することは、機械学習の新たな問題である。 本手法は,周期関数,3次元オブジェクト,動的プロセスの表現の学習に有効であることを示す。
  論文  参考訳（メタデータ） (2021-06-18T11:00:24Z)
• Parallelized Computation and Backpropagation Under Angle-Parametrized Orthogonal Matrices [0.0]
  そこで本研究では, 連続した初等回転パラメトリゼーションを可換演算ブロックに再構成する方法を示す。 本稿では、生成モデルに対する関心のパラメトリックな制限について論じ、GPUのプロトタイプ実装による有望な性能結果を示す。
  論文  参考訳（メタデータ） (2021-05-30T00:47:03Z)
• 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)
• Adjoint Rigid Transform Network: Task-conditioned Alignment of 3D Shapes [86.2129580231191]
  Adjoint Rigid Transform (ART) Networkは、さまざまな3Dネットワークと統合可能なニューラルネットワークモジュールである。 ARTは入力の形状を学習した標準方向に回転させることを学び、多くのタスクに欠かせない。 さらなる研究のために、コードと事前訓練されたモデルをリリースします。
  論文  参考訳（メタデータ） (2021-02-01T20:58:45Z)
• An Analysis of SVD for Deep Rotation Estimation [63.97835949897361]
  SVDが回転群に射影する自然な選択であることを示す理論的解析を提案する。 解析の結果,既存の表現をSVDの直交化手順に置き換えれば,多くのディープラーニングアプリケーションにおいて,技術性能の状態を得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-25T17:58:28Z)
• Fast Coherent Point Drift [4.369046007546103]
  コヒーレント点ドリフト(CPD)は、非剛性点集合登録のための古典的な方法である。 単純な対応する制約を導入することで、PDの高速な実装を開発する。 3次元点雲データによる実験結果から,本手法は登録プロセスの負担を大幅に軽減できることが示された。
  論文  参考訳（メタデータ） (2020-06-11T09:35:23Z)

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。