論文の概要: Unbiased Estimator for Distorted Conics in Camera Calibration

• arxiv url: http://arxiv.org/abs/2403.04583v1
• Date: Thu, 7 Mar 2024 15:29:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-08 13:33:11.920764
• Title: Unbiased Estimator for Distorted Conics in Camera Calibration
• Title（参考訳）: カメラキャリブレーションにおける歪みコニックの非バイアス推定
• Authors: Chaehyeon Song, Jaeho Shin, Myung-Hwan Jeon, Jongwoo Lim, Ayoung Kim
• Abstract要約: モーメントを用いた円錐型キャリブレーションの新しい定式化について述べる。 我々の導出は、第1モーメントが歪み下であってもバイアスなしで推定できるという数学的発見に基づいている。 アンバイアス推定器では、サブピクセルレベルで円パターンを正確に検出することができる。
• 参考スコア（独自算出の注目度）: 17.310876803936782
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the literature, points and conics have been major features for camera geometric calibration. Although conics are more informative features than points, the loss of the conic property under distortion has critically limited the utility of conic features in camera calibration. Many existing approaches addressed conic-based calibration by ignoring distortion or introducing 3D spherical targets to circumvent this limitation. In this paper, we present a novel formulation for conic-based calibration using moments. Our derivation is based on the mathematical finding that the first moment can be estimated without bias even under distortion. This allows us to track moment changes during projection and distortion, ensuring the preservation of the first moment of the distorted conic. With an unbiased estimator, the circular patterns can be accurately detected at the sub-pixel level and can now be fully exploited for an entire calibration pipeline, resulting in significantly improved calibration. The entire code is readily available from github.com/ChaehyeonSong/discocal.
• Abstract（参考訳）: 文献では、点と円錐はカメラの幾何学的キャリブレーションの主要な特徴である。 円錐は点よりも情報的特徴が多いが,歪み下での円錐特性の喪失は,カメラキャリブレーションにおける円錐特性の有用性を著しく制限している。 既存の多くのアプローチは、歪みを無視したり、この制限を回避するために3次元球面ターゲットを導入したりすることで、円錐型キャリブレーションに対処した。 本稿では,モーメントを用いた円錐型キャリブレーションの新しい定式化について述べる。 我々の導出は、第1モーメントが歪み下であってもバイアスなしで推定できるという数学的発見に基づいている。 これにより、突起と歪の間のモーメント変化を追跡でき、歪んだ円錐の最初のモーメントを確実に保存できる。 偏りのない推定器では、円パターンをサブピクセルレベルで正確に検出することができ、キャリブレーションパイプライン全体に対して完全に活用することができ、キャリブレーションが大幅に改善される。 コードはgithub.com/ChaehyeonSong/discocalから入手できる。

関連論文リスト

• Tilt and Average : Geometric Adjustment of the Last Layer for Recalibration [2.81765024056154]
  キャリブレーションは 信頼性と精度を一致させ 予測の信頼性を高めることを目的としています キャリブレーションマップに基づくいくつかの解がこの問題に対処するために提案されている。 我々は、キャリブレーションマップに基づくアプローチとは異なる、分類器の最後の層の重みを変換するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2024-06-14T13:27:56Z)
• Orthogonal Causal Calibration [55.28164682911196]
  我々は、任意の損失$ell$に対して、任意の因果パラメータのキャリブレーション誤差$theta$の一般的な上限を証明した。 我々は、因果校正のための2つのサンプル分割アルゴリズムの収束解析に境界を用いる。
  論文  参考訳（メタデータ） (2024-06-04T03:35:25Z)
• E-Calib: A Fast, Robust and Accurate Calibration Toolbox for Event Cameras [18.54225086007182]
  E-Calibは、イベントカメラの新しい、高速で、堅牢で、正確なキャリブレーションツールボックスである。 提案手法は,様々なイベントカメラモデルに対する様々な厳密な実験で検証される。
  論文  参考訳（メタデータ） (2023-06-15T12:16:38Z)
• A Deep Perceptual Measure for Lens and Camera Calibration [35.03926427249506]
  従来のマルチイメージキャリブレーション法の代わりに,単一画像から直接カメラキャリブレーションパラメータを推定することを提案する。 大規模なパノラマデータセットから自動的に生成されたサンプルを用いて、このネットワークをトレーニングする。 そこで我々は, カメラキャリブレーションパラメータを補正した3次元物体のリアリズムの判断を参加者に依頼した。
  論文  参考訳（メタデータ） (2022-08-25T18:40:45Z)
• Dynamic Event Camera Calibration [27.852239869987947]
  最初の動的イベントカメラキャリブレーションアルゴリズムを提案する。 カメラとキャリブレーションパターンの間の相対的な動きで捉えたイベントから直接キャリブレーションする。 その結果, 得られたキャリブレーション法は, 10秒未満のデータ列から, 極めて有用かつ確実なキャリブレーションを行うことができた。
  論文  参考訳（メタデータ） (2021-07-14T14:52:58Z)
• On the Dark Side of Calibration for Modern Neural Networks [65.83956184145477]
  予測キャリブレーション誤差(ECE)を予測信頼度と改善度に分解する。 正規化に基づくキャリブレーションは、モデルの信頼性を損なうことのみに焦点を当てる。 ラベルの平滑化やミキサアップなど,多くのキャリブレーション手法により,DNNの精度を低下させることで,DNNの有用性を低下させることがわかった。
  論文  参考訳（メタデータ） (2021-06-17T11:04:14Z)
• How to Calibrate Your Event Camera [58.80418612800161]
  画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。 ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
  論文  参考訳（メタデータ） (2021-05-26T07:06:58Z)
• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• Uncertainty Quantification and Deep Ensembles [79.4957965474334]
  ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。 そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。 このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
  論文  参考訳（メタデータ） (2020-07-17T07:32:24Z)
• Superaccurate Camera Calibration via Inverse Rendering [0.19336815376402716]
  逆レンダリングの原理を用いたカメラキャリブレーションの新しい手法を提案する。 検出された特徴点のみに頼らず、内部パラメータの推定と校正対象のポーズを用いて光学的特徴の非フォトリアリスティックな等価性を暗黙的に描画する。
  論文  参考訳（メタデータ） (2020-03-20T10:26:16Z)
• Calibrating Deep Neural Networks using Focal Loss [77.92765139898906]
  ミススキャリブレーション(Miscalibration)は、モデルの信頼性と正しさのミスマッチである。 焦点損失は、既に十分に校正されたモデルを学ぶことができることを示す。 ほぼすべてのケースにおいて精度を損なうことなく,最先端のキャリブレーションを達成できることを示す。
  論文  参考訳（メタデータ） (2020-02-21T17:35:50Z)

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。