論文の概要: FastMAC: Stochastic Spectral Sampling of Correspondence Graph

• arxiv url: http://arxiv.org/abs/2403.08770v1
• Date: Wed, 13 Mar 2024 17:59:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 13:07:19.280826
• Title: FastMAC: Stochastic Spectral Sampling of Correspondence Graph
• Title（参考訳）: FastMAC: 対応グラフの確率スペクトルサンプリング
• Authors: Yifei Zhang, Hao Zhao, Hongyang Li, Siheng Chen
• Abstract要約: 本稿では,対応グラフの領域にグラフ信号処理を導入する最初の研究について述べる。 我々は、対応グラフ上の一般化次数信号を利用し、高周波成分を保存するサンプリング戦略を追求する。 アプリケーションとして,FastMACと呼ばれる,リアルタイムな高速な3D登録アルゴリズムを構築した。
• 参考スコア（独自算出の注目度）: 55.75524096647733
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D correspondence, i.e., a pair of 3D points, is a fundamental concept in computer vision. A set of 3D correspondences, when equipped with compatibility edges, forms a correspondence graph. This graph is a critical component in several state-of-the-art 3D point cloud registration approaches, e.g., the one based on maximal cliques (MAC). However, its properties have not been well understood. So we present the first study that introduces graph signal processing into the domain of correspondence graph. We exploit the generalized degree signal on correspondence graph and pursue sampling strategies that preserve high-frequency components of this signal. To address time-consuming singular value decomposition in deterministic sampling, we resort to a stochastic approximate sampling strategy. As such, the core of our method is the stochastic spectral sampling of correspondence graph. As an application, we build a complete 3D registration algorithm termed as FastMAC, that reaches real-time speed while leading to little to none performance drop. Through extensive experiments, we validate that FastMAC works for both indoor and outdoor benchmarks. For example, FastMAC can accelerate MAC by 80 times while maintaining high registration success rate on KITTI. Codes are publicly available at https://github.com/Forrest-110/FastMAC.
• Abstract（参考訳）: 3D対応、すなわち一対の3Dポイントは、コンピュータビジョンの基本的な概念である。 互換性エッジを備えた3D対応のセットは、対応グラフを形成する。 このグラフは、いくつかの最先端の3Dポイントクラウド登録アプローチ、例えば最大傾き(MAC)に基づくものにおいて重要な要素である。 しかし、その性質はよく理解されていない。 そこで本研究では,対応グラフの領域にグラフ信号処理を導入する最初の研究について述べる。 我々は、対応グラフ上の一般化次数信号を利用し、この信号の高周波成分を保存するサンプリング戦略を追求する。 決定的サンプリングにおいて時間を要する特異値の分解に対処するため,確率的近似サンプリング戦略を用いる。 このように、我々の手法のコアは対応グラフの確率スペクトルサンプリングである。 アプリケーションとして、我々はFastMACと呼ばれる完全な3D登録アルゴリズムを構築しました。 大規模な実験を通じて、FastMACが屋内および屋外のベンチマークの両方で機能することを検証した。 例えば、FastMACは、KITTI上で高い登録成功率を維持しながら、MACを80倍加速させることができる。 コードはhttps://github.com/Forrest-110/FastMACで公開されている。

関連論文リスト

• On the Equivalence of Graph Convolution and Mixup [70.0121263465133]
  本稿では,グラフ畳み込みと混合手法の関係について検討する。 2つの穏やかな条件の下では、グラフの畳み込みはMixupの特別な形式と見なすことができる。 グラフ畳み込みネットワーク(GCN)と単純化グラフ畳み込み(SGC)をミックスアップの形で表現できることを証明し、数学的にこの等価性を確立する。
  論文  参考訳（メタデータ） (2023-09-29T23:09:54Z)
• From random-walks to graph-sprints: a low-latency node embedding framework on continuous-time dynamic graphs [4.372841335228306]
  本稿では,レイテンシが低く,最先端の高レイテンシモデルと競合する連続時間動的グラフ(CTDG)のフレームワークを提案する。 本フレームワークでは,マルチホップ情報を要約したタイムアウェアノード埋め込みを,入ってくるエッジ上のシングルホップ操作のみを用いて計算する。 グラフプリント機能と機械学習を組み合わせることで,競争性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-07-17T12:25:52Z)
• 3D Registration with Maximal Cliques [49.41310839477418]
  最大傾斜角(MAC)を用いた3次元登録法を提案する。 重要な洞察は、以前の最大斜めの制約を緩めることである。 U3M, 3DMatch, 3DLoMatch, KITTIの実験によりMACは登録精度を効果的に向上することを示した。
  論文  参考訳（メタデータ） (2023-05-18T10:15:44Z)
• Graph Signal Sampling for Inductive One-Bit Matrix Completion: a Closed-form Solution [112.3443939502313]
  グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。 キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。 オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
  論文  参考訳（メタデータ） (2023-02-08T08:17:43Z)
• Graph Encoder Embedding [11.980640637972266]
  本稿では,高速なグラフエンコーダ埋め込み方式を提案する。 提案手法は、線形計算複雑性と、標準PC上で数分で数十億のエッジを処理する能力を有する。 スピードアップは埋め込み性能を犠牲にすることなく達成される。
  論文  参考訳（メタデータ） (2021-09-27T14:49:44Z)
• Learning Multi-Granular Hypergraphs for Video-Based Person Re-Identification [110.52328716130022]
  ビデオベースの人物識別(re-ID)はコンピュータビジョンにおいて重要な研究課題である。 MGH(Multi-Granular Hypergraph)という新しいグラフベースのフレームワークを提案する。 MARSの90.0%のトップ-1精度はMGHを用いて達成され、最先端のスキームよりも優れていた。
  論文  参考訳（メタデータ） (2021-04-30T11:20:02Z)
• Pseudoinverse Graph Convolutional Networks: Fast Filters Tailored for Large Eigengaps of Dense Graphs and Hypergraphs [0.0]
  Graph Convolutional Networks (GCNs) は、グラフベースのデータセットで半教師付き分類を行うツールとして成功している。 本稿では,三部フィルタ空間が高密度グラフを対象とする新しいGCN変種を提案する。
  論文  参考訳（メタデータ） (2020-08-03T08:48:41Z)
• Heuristic Semi-Supervised Learning for Graph Generation Inspired by Electoral College [80.67842220664231]
  本稿では,新たなノードやエッジを自動的に拡張して,高密度サブグラフ内のラベル類似性を向上する,新しい前処理手法であるElectoral College(ELCO)を提案する。 テストされたすべての設定において、我々の手法はベースモデルの平均スコアを4.7ポイントの広いマージンで引き上げるとともに、常に最先端のモデルよりも優れています。
  論文  参考訳（メタデータ） (2020-06-10T14:48:48Z)

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。