論文の概要: A Subspace-Constrained Tyler's Estimator and its Applications to Structure from Motion

• arxiv url: http://arxiv.org/abs/2404.11590v1
• Date: Wed, 17 Apr 2024 17:39:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-18 12:56:30.600717
• Title: A Subspace-Constrained Tyler's Estimator and its Applications to Structure from Motion
• Title（参考訳）: 部分空間拘束型タイラー推定器とその運動構造への応用
• Authors: Feng Yu, Teng Zhang, Gilad Lerman,
• Abstract要約: 低次元部分空間の復元を目的とした部分空間拘束型タイラー推定器(STE)を提案する。 STEはタイラーのM推定器(TME)の融合であり、高速中央部分空間の変種である。 本研究では、基本行列のロバストな推定と外付けカメラの除去という2つの方法で、STEをStructure from Motion (SfM) の文脈に適用する。
• 参考スコア（独自算出の注目度）: 14.626050539618861
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the subspace-constrained Tyler's estimator (STE) designed for recovering a low-dimensional subspace within a dataset that may be highly corrupted with outliers. STE is a fusion of the Tyler's M-estimator (TME) and a variant of the fast median subspace. Our theoretical analysis suggests that, under a common inlier-outlier model, STE can effectively recover the underlying subspace, even when it contains a smaller fraction of inliers relative to other methods in the field of robust subspace recovery. We apply STE in the context of Structure from Motion (SfM) in two ways: for robust estimation of the fundamental matrix and for the removal of outlying cameras, enhancing the robustness of the SfM pipeline. Numerical experiments confirm the state-of-the-art performance of our method in these applications. This research makes significant contributions to the field of robust subspace recovery, particularly in the context of computer vision and 3D reconstruction.
• Abstract（参考訳）: 本稿では,低次元部分空間の復元を目的とした部分空間制約型タイラー推定器(STE)について述べる。 STEはタイラーのM推定器(TME)の融合であり、高速中央部分空間の変種である。 我々の理論解析は、STEは、ロバストな部分空間回復の分野において、他の手法と比較して、より少ない不整合率を含む場合であっても、共通の不整合-不整合モデルの下で、基礎となる部分空間を効果的に回復することができることを示唆している。 本研究では,基本行列のロバストな推定と外部カメラの除去,SfMパイプラインのロバスト性の向上,という2つの方法でSTEをSfM(Structure from Motion)の文脈に適用する。 数値実験により,本手法の最先端性能が検証された。 この研究は、特にコンピュータビジョンと3D再構成の文脈において、ロバストなサブスペースリカバリの分野に多大な貢献をしている。

関連論文リスト

• A spatiotemporal deep learning framework for prediction of crack dynamics in heterogeneous solids: efficient mapping of concrete microstructures to its fracture properties [0.0]
  深層学習フレームワークは, コンクリートメソ構造中のフラクチャーの2次元フルフィールド予測を行うことができる。 メソ構造の平均応力-ひずみ曲線を予測できる畳み込みニューラルネットワークを開発した。 UNetモデリングフレームワークは、スキップ接続を持つエンコーダ-デコーダセクションで構成され、ディープラーニングサロゲートモデルとして使用される。
  論文  参考訳（メタデータ） (2024-07-22T14:28:46Z)
• Theoretical Guarantees for the Subspace-Constrained Tyler's Estimator [14.626050539618861]
  この研究は、低次元の部分空間を復元するために設計されたサブスペース制約されたタイラー推定器(STE)を分析する。 弱い不リエ・アウトリアモデルを想定し、不リエの分数は、頑健な部分空間回復問題の計算硬度に繋がる分数よりも小さくすることができる。
  論文  参考訳（メタデータ） (2024-03-27T15:03:29Z)
• Sparse PCA with Oracle Property [115.72363972222622]
  新規な正規化を伴うスパースPCAの半定緩和に基づく推定器群を提案する。 我々は、家族内の別の推定器が、スパースPCAの標準半定緩和よりも、より急激な収束率を達成することを証明した。
  論文  参考訳（メタデータ） (2023-12-28T02:52:54Z)
• Sparse Bayesian Multidimensional Item Response Theory [0.0]
  我々は,大規模なデータセットに対して最小限のチューニングとスケールを必要とする二項および順序項目MIRTのためのベイズプラットフォームを開発する。 ベイズ非パラメトリックスによるツールによる未知の潜在因子次元の問題に対処する。 本手法は, 微小サンプルにおいても高次元合成データの因子次元と潜時構造の両方を確実に回収する。
  論文  参考訳（メタデータ） (2023-10-26T23:50:50Z)
• SOFARI: High-Dimensional Manifold-Based Inference [8.860162863559163]
  我々は2つのSOFARI変種を導入し、強力で弱い潜伏要因を扱えるようにし、後者は広範囲のアプリケーションをカバーする。 そこで我々は,SOFARIが潜在左因子ベクトルと特異値の両方に対して偏差補正推定器を提供し,その平均零正規分布を疎分散で楽しむことを示す。 本稿では,SOFARIの有効性を概説し,シミュレーション例による理論結果の正当化と,経済予測における実データの適用について述べる。
  論文  参考訳（メタデータ） (2023-09-26T16:01:54Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Posterior Coreset Construction with Kernelized Stein Discrepancy for Model-Based Reinforcement Learning [78.30395044401321]
  我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。 ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。 連続的な制御環境では、壁時計の時間を最大50%削減することができる。
  論文  参考訳（メタデータ） (2022-06-02T17:27:49Z)
• Implicit Bias of Projected Subgradient Method Gives Provable Robust Recovery of Subspaces of Unknown Codimension [12.354076490479514]
  本稿では,DPCP (Dual principal Component Pursuit) が未知の部分空間次元の問題を確実に解決できることを示す。 プロジェクテッド・サブ段階降下法(PSGM)の複数インスタンスの実行に基づく,非常に単純なアルゴリズムを提案する。 特に、1)すべての問題インスタンスが部分空間のヌル空間のベクトルに収束し、2)問題インスタンスの解のアンサンブルが、部分空間のヌル空間に完全にまたがるほど十分に多様であることを示す。
  論文  参考訳（メタデータ） (2022-01-22T15:36:03Z)
• Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
  TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。 前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
  論文  参考訳（メタデータ） (2020-05-19T05:54:14Z)
• Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
  本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。 MVSCに適合する新しい構造テンソル低ランクノルムを設計する。 提案手法は最先端の手法よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T11:52:12Z)

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。