論文の概要: Minimal Perspective Autocalibration

• arxiv url: http://arxiv.org/abs/2405.05605v1
• Date: Thu, 9 May 2024 07:55:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-10 13:52:35.675100
• Title: Minimal Perspective Autocalibration
• Title（参考訳）: 最小視点自動校正
• Authors: Andrea Porfiri Dal Cin, Timothy Duff, Luca Magri, Tomas Pajdla,
• Abstract要約: 複数視点からの再構築のための最小限の問題を新たに導入する。 私たちの主な焦点は、コンピュータビジョンにおける長年の問題である自動校正への新しいアプローチです。 $2と$3のビューでは、最小限の自己校正問題を包括的に分類する。
• 参考スコア（独自算出の注目度）: 6.824747267214373
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a new family of minimal problems for reconstruction from multiple views. Our primary focus is a novel approach to autocalibration, a long-standing problem in computer vision. Traditional approaches to this problem, such as those based on Kruppa's equations or the modulus constraint, rely explicitly on the knowledge of multiple fundamental matrices or a projective reconstruction. In contrast, we consider a novel formulation involving constraints on image points, the unknown depths of 3D points, and a partially specified calibration matrix $K$. For $2$ and $3$ views, we present a comprehensive taxonomy of minimal autocalibration problems obtained by relaxing some of these constraints. These problems are organized into classes according to the number of views and any assumed prior knowledge of $K$. Within each class, we determine problems with the fewest -- or a relatively small number of -- solutions. From this zoo of problems, we devise three practical solvers. Experiments with synthetic and real data and interfacing our solvers with COLMAP demonstrate that we achieve superior accuracy compared to state-of-the-art calibration methods. The code is available at https://github.com/andreadalcin/MinimalPerspectiveAutocalibration
• Abstract（参考訳）: 複数視点からの再構築のための最小限の問題を新たに導入する。 私たちの主な焦点は、コンピュータビジョンにおける長年の問題である自動校正への新しいアプローチです。 この問題に対する伝統的なアプローチ、例えばクルッパの方程式やモジュラス制約に基づくアプローチは、複数の基本行列の知識や射影的再構成に明示的に依存している。 対照的に、画像点の制約、未知の3次元点の深さ、および部分的に指定されたキャリブレーション行列$K$を含む新しい定式化を考える。 $2 および$3 のビューに対して、これらの制約を緩和することによって得られる最小の自己校正問題を包括的に分類する。 これらの問題は、ビューの数と$K$の前提知識に基づいてクラスに整理される。 各クラスの中で、最も少ない(あるいは比較的少数の)ソリューションで問題を決定する。 この問題の動物園から、3つの実用的な解法を考案する。 COLMAPを用いた合成および実データを用いた実験により,最先端校正法と比較して精度が向上したことを示す。 コードはhttps://github.com/andreadalcin/MinimalPerspectiveAutocalibrationで入手できる。

関連論文リスト

• Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
  乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。 本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。 提案手法の有効性を4つの標準ベンチマークで示す。
  論文  参考訳（メタデータ） (2024-07-10T16:51:32Z)
• GLACE: Global Local Accelerated Coordinate Encoding [66.87005863868181]
  シーン座標回帰法は小規模なシーンでは有効であるが、大規模シーンでは重大な課題に直面している。 本研究では,事前学習したグローバルおよびローカルのエンコーディングを統合したGLACEを提案する。 提案手法は,低マップサイズモデルを用いて,大規模シーンにおける最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:50Z)
• Leveraging Positional Encoding for Robust Multi-Reference-Based Object 6D Pose Estimation [21.900422840817726]
  物体の姿勢を正確に推定することは、コンピュータビジョンとロボット工学において重要な課題である。 本稿では,これらの制約を分析し,克服するための新しい戦略を提案する。 Linemod、Linemod-Occlusion、およびYCB-Videoデータセットに関する我々の実験は、我々のアプローチが既存の手法より優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-29T16:42:15Z)
• Learning Structure-from-Motion with Graph Attention Networks [23.87562683118926]
  本稿では,グラフアテンションネットワークを用いてSfM(Structure-from-Motion)を学習する問題に取り組む。 本研究では,複数のビューにまたがって検出された2Dキーポイントを入力とし,対応するカメラポーズと3Dキーポイント座標を出力するモデルを学習する。 本モデルでは,SfM固有のプリミティブを学習するために,グラフニューラルネットワークを利用する。
  論文  参考訳（メタデータ） (2023-08-30T12:13:13Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• A Novel Plug-and-Play Approach for Adversarially Robust Generalization [38.72514422694518]
  本稿では,MLモデルを摂動テストデータから保護するために,逆向きに堅牢なトレーニングを採用する頑健なフレームワークを提案する。 私たちの貢献は、計算学と統計学の両方の観点から見ることができます。
  論文  参考訳（メタデータ） (2022-08-19T17:02:55Z)
• Solving Inverse Problems with NerfGANs [88.24518907451868]
  我々は、NeRF型生成モデルを用いて、逆問題を解決するための新しいフレームワークを提案する。 遅延空間を鼻で最適化することは、アーティファクトや、新しいビューレンダリングに繋がることを示す。 本研究では,より優れた3次元表面を得るための新しい放射場正規化手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T17:56:58Z)
• An Information Theory-inspired Strategy for Automatic Network Pruning [88.51235160841377]
  深層畳み込みニューラルネットワークは、リソース制約のあるデバイスで圧縮されることがよく知られている。 既存のネットワークプルーニング手法の多くは、人的努力と禁忌な計算資源を必要とする。 本稿では,自動モデル圧縮のための情報理論に基づく戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-19T07:03:22Z)
• Galois/monodromy groups for decomposing minimal problems in 3D reconstruction [3.5366052026723547]
  コンピュータビジョンアプリケーションで生じるガロア/モノドロミー群を検討する。 絶対的および相対的なポーズ推定から新しい問題に我々のフレームワークがどのように適用できるかを示す。
  論文  参考訳（メタデータ） (2021-05-10T15:55:09Z)
• Relative Pose Estimation of Calibrated Cameras with Known $\mathrm{SE}(3)$ Invariants [65.2314683780204]
  既知の$mathrmSE(3)$不変量で制約されたカメラの相対ポーズ推定問題について完全な研究を行う。 これらの問題は、相対的なポーズ推定のための点対の最小数を減少させる。 合成データと実データを用いた実験では,従来の相対ポーズ推定法と比較して性能が向上した。
  論文  参考訳（メタデータ） (2020-07-15T13:55:55Z)
• PL${}_{1}$P -- Point-line Minimal Problems under Partial Visibility in Three Views [4.779196219827507]
  本稿では、3つの視点カメラで部分的に観察された空間における点と線の一般的な配置に関する最小限の問題の完全な分類について述べる。 余剰な特徴を取り除き、カメラを回避し、140616等級に減らすことができることを示す。 また、最小限の問題を最小限の問題を解決するために実用的であり、最小限の問題に対して最も単純なカメラ最小の問題を選択する方法を示す。
  論文  参考訳（メタデータ） (2020-03-10T21:50:52Z)

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。