論文の概要: Relative Pose for Nonrigid Multi-Perspective Cameras: The Static Case

• arxiv url: http://arxiv.org/abs/2401.09140v1
• Date: Wed, 17 Jan 2024 11:28:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-01-18 15:59:17.440392
• Title: Relative Pose for Nonrigid Multi-Perspective Cameras: The Static Case
• Title（参考訳）: 非剛性マルチパースペクティブカメラの相対的ポーズ:静的ケース
• Abstract要約: 非重なりうる視野を持つ多視点カメラは、外感知覚のモダリティとして重要なものとなっている。 本稿では,2つの異なるアルゴリズムに対して,ノイズ,外れ値,リグ剛性に基づく全変数の可観測性を簡潔に解析する。
• 参考スコア（独自算出の注目度）: 23.48118135478092
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-perspective cameras with potentially non-overlapping fields of view have become an important exteroceptive sensing modality in a number of applications such as intelligent vehicles, drones, and mixed reality headsets. In this work, we challenge one of the basic assumptions made in these scenarios, which is that the multi-camera rig is rigid. More specifically, we are considering the problem of estimating the relative pose between a static non-rigid rig in different spatial orientations while taking into account the effect of gravity onto the system. The deformable physical connections between each camera and the body center are approximated by a simple cantilever model, and inserted into the generalized epipolar constraint. Our results lead us to the important insight that the latent parameters of the deformation model, meaning the gravity vector in both views, become observable. We present a concise analysis of the observability of all variables based on noise, outliers, and rig rigidity for two different algorithms. The first one is a vision-only alternative, while the second one makes use of additional gravity measurements. To conclude, we demonstrate the ability to sense gravity in a real-world example, and discuss practical implications.
• Abstract（参考訳）: 重複しない視野を持つマルチパースペクティブカメラは、インテリジェントな車両、ドローン、複合現実感ヘッドセットなど、多くのアプリケーションにおいて、極端なセンシングモダリティとして重要なものとなっている。 本研究では,これらのシナリオにおける基本的な前提のひとつとして,マルチカメラリグの厳格性に挑戦する。 より具体的には、系の重力の影響を考慮して、静的な非剛性リグ間の相対的な姿勢を異なる空間配向で推定する問題を考察している。 各カメラと体中心間の変形可能な物理的接続は、単純なカンチレバーモデルにより近似され、一般化された極性制約に挿入される。 以上の結果から,変形モデルの潜在パラメータ,すなわち両ビューの重力ベクトルが観測可能であるという重要な知見が得られた。 本稿では,2つの異なるアルゴリズムに対して,ノイズ,外周,剛性に基づく全変数の可観測性を簡潔に解析する。 1つは視覚のみの代替であり、もう1つは重力測定を応用している。 結論として,実例で重力を感知する能力を示し,実用的意義について考察する。

関連論文リスト

• PhysiFormer: Learning to Simulate Mechanics in World Space [56.16644631495]
  物理的に表現可能な3次元物体運動のための拡散変換器であるPhysorFormerを提案する。 世界座標で表される3Dメッシュとしてオブジェクトを表す。 これは、軌道精度、剛性保存、運動量に基づく物理的一貫性において、自己回帰ベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2026-06-25T17:59:00Z)
• CalibAnyView: Beyond Single-View Camera Calibration in the Wild [59.66873936532375]
  カメラキャリブレーションは、信頼性の高い幾何学的知覚の基本的な前提条件である。 近年の学習に基づく手法では、単一ビューの校正には有望な結果が得られたが、本質的に複数のビューにまたがる幾何的整合性は無視されている。 任意の数の入力ビューをサポートする統一的な定式化であるCalibAnyViewを紹介します。
  論文  参考訳（メタデータ） (2026-05-14T09:32:12Z)
• Detailed Geometry and Appearance from Opportunistic Motion [44.38825288921379]
  固定カメラの粗い集合から3次元形状と外観を再構築することは、幅広い用途において基礎的な課題である。 静止カメラは局所座標フレーム内の物体の軌道を効果的に公転し、仮想的な視点を提供する。 しかし、この物体の動きを調和させることは、物体のポーズの密結合と幾何学的推定と、静的照明下で動く物体の複雑な外観変化の2つの課題をもたらす。
  論文  参考訳（メタデータ） (2026-03-27T17:59:16Z)
• Object Pose Transformer: Unifying Unseen Object Pose Estimation [54.20344997573707]
  モデルなしのオブジェクトポーズ推定を未知のインスタンスで学習することは、3Dビジョンにおける根本的な課題である。 我々のチームは、RGB入力から深度、ポイントマップ、カメラパラメータ、正規化されたオブジェクト座標を共同で予測します。 当社はカメラ非依存で、カメラ固有の知識をオンザフライで学習し、メトリックスケールリカバリのためのオプションの深度入力をサポートします。
  論文  参考訳（メタデータ） (2026-03-24T16:04:16Z)
• Dynamic View Synthesis from Small Camera Motion Videos [56.359460602781304]
  分布に基づく奥行き正規化に基づく動的3ドルDシーンのための新しいビュー合成を提案する。 また、光線に沿った物体境界がほぼゼロとなる前に空間点の体積密度を強制する制約を導入し、我々のモデルがシーンの正確な幾何学を学べるようにした。 我々は,小さなカメラモーション入力によるシーン表現におけるアプローチの有効性を実証するために,広範囲な実験を行い,その結果を最先端の手法と比較した。
  論文  参考訳（メタデータ） (2025-06-29T09:17:55Z)
• GVDepth: Zero-Shot Monocular Depth Estimation for Ground Vehicles based on Probabilistic Cue Fusion [7.588468985212172]
  計量単分子深度推定の一般化は、その不適切な性質のために重要な課題となる。 本稿では,様々なカメラ設定の整合性を維持する新しい標準表現を提案する。 また,物体の大きさや垂直位置の手がかりによって推定される深度を適応的かつ確率的に融合する新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-12-08T22:04:34Z)
• Extreme Two-View Geometry From Object Poses with Diffusion Models [21.16779160086591]
  オブジェクト先行のパワーを利用して、極端な視点変化に直面した2次元幾何学を正確に決定する。 実験では, 大局的な視点変化に対して, 突如として頑健さと弾力性を示した。
  論文  参考訳（メタデータ） (2024-02-05T08:18:47Z)
• Strongly incoherent gravity [0.0]
  任意の2体ポテンシャル$V(r)$の非絡み合いバージョンは、局所的な測定とフィードバック力から生じる。 これにより、単位性の基本的な損失を伴う非相対論的重力モデルが生成される。 エンタングルメント特性のテストの代替として、小系における量子コヒーレンス損失を求めることにより、残りのパラメータ空間全体をテストすることができることを示す。
  論文  参考訳（メタデータ） (2023-01-20T01:09:12Z)
• Learning Physical Dynamics with Subequivariant Graph Neural Networks [99.41677381754678]
  グラフニューラルネットワーク(GNN)は、物理力学を学習するための一般的なツールとなっている。 物理法則は、モデル一般化に必須な帰納バイアスである対称性に従属する。 本モデルは,RigidFall上でのPhysylonと2倍低ロールアウトMSEの8つのシナリオにおいて,平均3%以上の接触予測精度の向上を実現している。
  論文  参考訳（メタデータ） (2022-10-13T10:00:30Z)
• Monocular 3D Object Detection with Depth from Motion [74.29588921594853]
  我々は、正確な物体深度推定と検出にカメラエゴモーションを利用する。 我々のフレームワークはDfM(Depth from Motion)と呼ばれ、2D画像の特徴を3D空間に持ち上げて3Dオブジェクトを検出する。 我々のフレームワークは、KITTIベンチマークにおいて最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2022-07-26T15:48:46Z)
• Drivable Volumetric Avatars using Texel-Aligned Features [52.89305658071045]
  光テレプレゼンスは、動的に合成された外観を実現するために、高忠実度ボディモデリングと忠実な運転の両方を必要とする。 本稿では,現実人のフルボディアバターをモデリングし,駆動する際の2つの課題に対処するエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-20T09:28:16Z)
• Suspected Object Matters: Rethinking Model's Prediction for One-stage Visual Grounding [93.82542533426766]
  疑似オブジェクト間の対象オブジェクト選択を促進するため,疑似オブジェクト変換機構(SOT)を提案する。 SOTは既存のCNNとTransformerベースのワンステージ視覚グラウンドにシームレスに統合できる。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-10T06:41:07Z)
• Efficient Globally-Optimal Correspondence-Less Visual Odometry for Planar Ground Vehicles [23.910735789004075]
  我々は、平面に基づくアッカーマン運動推定に対して、最初の世界最適対応のない解を導入する。 我々は、その大域的最適性の性質を証明し、局所的に一定の回転中心を仮定する影響を分析する。
  論文  参考訳（メタデータ） (2022-03-01T08:49:21Z)
• Attentive and Contrastive Learning for Joint Depth and Motion Field Estimation [76.58256020932312]
  単眼視システムからシーンの3次元構造とともにカメラの動きを推定することは複雑な作業である。 モノクロ映像からの3次元物体運動場推定のための自己教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-13T16:45:01Z)
• Wide-Depth-Range 6D Object Pose Estimation in Space [124.94794113264194]
  宇宙での6Dポーズ推定は、地上環境では一般的に遭遇しないユニークな課題を引き起こします。 最も顕著な違いの1つは、大気の散乱の欠如であり、物体を遠くから見えるようにします。 本稿では,単一段階の階層型エンドツーエンドトレーニングネットワークを提案する。
  論文  参考訳（メタデータ） (2021-04-01T08:39:26Z)
• Robust On-Manifold Optimization for Uncooperative Space Relative Navigation with a Single Camera [4.129225533930966]
  単分子装置のみを用いて、チェッカー宇宙船に対して対象物体の6次元ポーズを推定するために、革新的なモデルに基づくアプローチが実証された。 複雑な宇宙船エンビザットとランデブー軌道のリアルな合成と実験室のデータセットで検証されている。
  論文  参考訳（メタデータ） (2020-05-14T16:23:04Z)
• Multi-object Monocular SLAM for Dynamic Environments [12.537311048732017]
  マルチボディ(multibody)という言葉は、カメラの動きと、シーン内の他のダイナミックな参加者の動きを追跡することを意味する。 既存のアプローチは制限された問題の変種を解くが、解は相対的なスケールの曖昧さに悩まされる。 本稿では,相対的および絶対的スケール係数の曖昧さを解決するために,多ポーズグラフ最適化の定式化を提案する。
  論文  参考訳（メタデータ） (2020-02-10T03:49:16Z)

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。