Fugu-MT 論文翻訳(概要): Multi-Session SLAM with Differentiable Wide-Baseline Pose Optimization

論文の概要: Multi-Session SLAM with Differentiable Wide-Baseline Pose Optimization

arxiv url: http://arxiv.org/abs/2404.15263v1
Date: Tue, 23 Apr 2024 17:55:05 GMT
ステータス: 処理完了
システム内更新日: 2024-04-24 13:03:00.251236
Title: Multi-Session SLAM with Differentiable Wide-Baseline Pose Optimization
Title（参考訳）: 微分可能ワイドベースラインポーズ最適化を用いたマルチセッションSLAM
Authors: Lahav Lipson, Jia Deng,
Abstract要約: Multi-Session SLAMは複数の切り離されたビデオのカメラの動きを追跡する。システムは、解離列を接続し、ビジュアル・オドメトリーを実行し、大域的な最適化を行うことができる。
参考スコア（独自算出の注目度）: 20.88189708122356
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a new system for Multi-Session SLAM, which tracks camera motion across multiple disjoint videos under a single global reference. Our approach couples the prediction of optical flow with solver layers to estimate camera pose. The backbone is trained end-to-end using a novel differentiable solver for wide-baseline two-view pose. The full system can connect disjoint sequences, perform visual odometry, and global optimization. Compared to existing approaches, our design is accurate and robust to catastrophic failures. Code is available at github.com/princeton-vl/MultiSlam_DiffPose
Abstract（参考訳）: マルチセッションSLAM(Multi-Session SLAM)のための新しいシステムを導入する。我々のアプローチは、カメラのポーズを推定するために、光学的流れの予測とソルバ層を結合する。バックボーンは、ワイドベースライン2ビューポーズのための新しい微分可能ソルバを使用して、エンドツーエンドでトレーニングされる。完全なシステムは、解離列を接続し、視覚的オドメトリーを実行し、大域的な最適化を行うことができる。既存のアプローチと比較して、私たちの設計は正確で、破滅的な失敗に対して堅牢です。コードはgithub.com/princeton-vl/MultiSlam_DiffPoseで入手できる。

関連論文リスト

A Global Depth-Range-Free Multi-View Stereo Transformer Network with Pose Embedding [76.44979557843367]
本稿では,事前の深度範囲を排除した新しい多視点ステレオ(MVS)フレームワークを提案する。長距離コンテキスト情報を集約するMDA(Multi-view Disparity Attention)モジュールを導入する。ソース画像のエピポーラ線上のサンプリング点に対応する電流画素の品質を明示的に推定する。
論文参考訳（メタデータ） (2024-11-04T08:50:16Z)
Mono-ViFI: A Unified Learning Framework for Self-supervised Single- and Multi-frame Monocular Depth Estimation [11.611045114232187]
最近の方法では、既存のカメラビュー間でのみビュー合成が行われており、ガイダンスが不十分である。フローベースビデオフレーム作成(VFI)により、より仮想的なカメラビューを合成しようと試みる。多フレーム推論では、MaryDepthのような明示的な幾何ベースのメソッドで発生する動的オブジェクトの問題を横取りするために、機能融合パラダイムに戻ります。シングルフレームとマルチフレームの奥行きを双方向に接続するために,Mono-ViFIという自己教師型学習フレームワークを構築した。
論文参考訳（メタデータ） (2024-07-19T08:51:51Z)
GenS: Generalizable Neural Surface Reconstruction from Multi-View Images [20.184657468900852]
GenSは、エンドツーエンドの一般化可能なニューラルサーフェス再構成モデルである。我々の表現はより強力であり、グローバルな滑らかさを維持しながら高周波の詳細を回復することができる。人気のあるベンチマーク実験により、我々のモデルは新たなシーンにうまく一般化できることが示された。
論文参考訳（メタデータ） (2024-06-04T17:13:10Z)
Hyper-VolTran: Fast and Generalizable One-Shot Image to 3D Object Structure via HyperNetworks [53.67497327319569]
画像から3Dまでを1つの視点から解く新しいニューラルレンダリング手法を提案する。提案手法では, 符号付き距離関数を表面表現として使用し, 幾何エンコードボリュームとハイパーネットワークスによる一般化可能な事前処理を取り入れた。本実験は,一貫した結果と高速な生成による提案手法の利点を示す。
論文参考訳（メタデータ） (2023-12-24T08:42:37Z)
RelPose: Predicting Probabilistic Relative Rotation for Single Objects in the Wild [73.1276968007689]
本稿では、任意のオブジェクトの複数の画像からカメラ視点を推定するデータ駆動手法について述べる。本手法は, 画像の鮮明さから, 最先端のSfM法とSLAM法より優れていることを示す。
論文参考訳（メタデータ） (2022-08-11T17:59:59Z)
FILM: Frame Interpolation for Large Motion [20.04001872133824]
本稿では,2つの入力画像から複数の中間フレームを合成するフレームアルゴリズムを提案する。提案手法は,Xiph大運動ベンチマークの最先端手法より優れている。
論文参考訳（メタデータ） (2022-02-10T08:48:18Z)
Multi-View Multi-Person 3D Pose Estimation with Plane Sweep Stereo [71.59494156155309]
既存のマルチビュー3Dポーズ推定手法は、複数のカメラビューからグループ2Dポーズ検出に対するクロスビュー対応を明確に確立する。平面スイープステレオに基づくマルチビュー3Dポーズ推定手法を提案し、クロスビュー融合と3Dポーズ再構築を1ショットで共同で解決します。
論文参考訳（メタデータ） (2021-04-06T03:49:35Z)
A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
論文参考訳（メタデータ） (2020-06-26T08:34:54Z)
6D Camera Relocalization in Ambiguous Scenes via Continuous Multimodal Inference [67.70859730448473]
あいまいさと不確かさを捉えるマルチモーダルカメラ再ローカライズフレームワークを提案する。我々は、複数のカメラのポーズ仮説を予測し、それぞれの予測の不確実性も予測する。あいまいな環境下でのカメラローカライゼーション研究を促進するための新しいデータセットを提案する。
論文参考訳（メタデータ） (2020-04-09T20:55:06Z)
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。