論文の概要: Success Probability in Multi-View Imaging
- arxiv url: http://arxiv.org/abs/2407.21027v1
- Date: Mon, 15 Jul 2024 08:50:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 00:46:38.897907
- Title: Success Probability in Multi-View Imaging
- Title（参考訳）: マルチビューイメージングにおける成功確率
- Authors: Vadim Holodovsky, Masada Tzabari, Yoav Schechner, Alex Frid, Klaus Schilling,
- Abstract要約: ロボット、防犯カメラ、ドローン、衛星などのプラットフォームは立体視や断層撮影によって3Dリカバリのために多視点イメージングに利用されている。
本稿は、この側面を分析するためのフレームワークを作成する。
不正確な指摘は自己校正によって緩和できるという事実を用いる。
- 参考スコア（独自算出の注目度）: 3.425341633647625
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Platforms such as robots, security cameras, drones and satellites are used in multi-view imaging for three-dimensional (3D) recovery by stereoscopy or tomography. Each camera in the setup has a field of view (FOV). Multi-view analysis requires overlap of the FOVs of all cameras, or a significant subset of them. However, the success of such methods is not guaranteed, because the FOVs may not sufficiently overlap. The reason is that pointing of a camera from a mount or platform has some randomness (noise), due to imprecise platform control, typical to mechanical systems, and particularly moving systems such as satellites. So, success is probabilistic. This paper creates a framework to analyze this aspect. This is critical for setting limitations on the capabilities of imaging systems, such as resolution (pixel footprint), FOV, the size of domains that can be captured, and efficiency. The framework uses the fact that imprecise pointing can be mitigated by self-calibration - provided that there is sufficient overlap between pairs of views and sufficient visual similarity of views. We show an example considering the design of a formation of nanosatellites that seek 3D reconstruction of clouds.
- Abstract（参考訳）: ロボット、防犯カメラ、ドローン、衛星などのプラットフォームは立体視やトモグラフィーによって3次元のリカバリのために多視点イメージングに使用される。
設定中の各カメラは視野(FOV)を有する。
マルチビュー分析では、全カメラのFOVの重複、またはそのかなりのサブセットが必要である。
しかし、FOVは十分に重複しないため、そのような手法の成功は保証されていない。
理由は、マウントやプラットフォームからカメラを向けることには、不正確なプラットフォーム制御、典型的な機械系、特に衛星などの移動系によるランダム性(ノイズ)があるからである。
したがって、成功は確率的です。
本稿は、この側面を分析するためのフレームワークを作成する。
これは、解像度(ピクセルフットプリント)、FOV、キャプチャ可能なドメインのサイズ、効率といった、イメージングシステムの能力の制限を設定するために重要である。
このフレームワークは、ペアビューとビューの十分な視覚的類似性の間に十分な重複があることを前提として、不正確なポインティングを自己校正によって緩和できるという事実を使用している。
雲の3次元再構成を求めるナノサテライトの設計例を示す。
関連論文リスト
- Generating 3D-Consistent Videos from Unposed Internet Photos [68.944029293283]
カメラパラメータなどの3Dアノテーションを使わずに,スケーラブルな3D対応ビデオモデルをトレーニングする。
その結果,映像やマルチビューインターネット写真などの2次元データのみを用いて,シーンレベルの3D学習をスケールアップできることが示唆された。
論文 参考訳（メタデータ） (2024-11-20T18:58:31Z) - SpaRP: Fast 3D Object Reconstruction and Pose Estimation from Sparse Views [36.02533658048349]
本研究では,3次元テクスチャメッシュを再構成し,スパースビュー画像に対する相対カメラのポーズを推定する新しい手法であるSpaRPを提案する。
SpaRPは2次元拡散モデルから知識を抽出し、それらを微調整し、スパースビュー間の3次元空間関係を暗黙的に推論する。
テクスチャ化されたメッシュを生成するのに、わずか20秒しかかからず、カメラは入力ビューにポーズする。
論文 参考訳（メタデータ） (2024-08-19T17:53:10Z) - SDGE: Stereo Guided Depth Estimation for 360$^\circ$ Camera Sets [65.64958606221069]
マルチカメラシステムは、360ドル周の知覚を達成するために、しばしば自律走行に使用される。
360ドル(約3万3000円)のカメラセットは、しばしば制限または低品質のオーバーラップ領域を持ち、画像全体に対してマルチビューステレオメソッドを実現する。
重なりの重なりに多視点ステレオ結果を明示的に利用することにより、全画像の深さ推定を強化するステレオガイド深度推定法(SGDE)を提案する。
論文 参考訳（メタデータ） (2024-02-19T02:41:37Z) - DUSt3R: Geometric 3D Vision Made Easy [8.471330244002564]
Dense and Unconstrained Stereo 3D Reconstruction of arbitrary image collections。
本定式化は単眼および両眼の再建症例を円滑に統一することを示す。
私たちの定式化はシーンの3Dモデルと深度情報を直接提供しますが、興味深いことに、シームレスに回復できます。
論文 参考訳（メタデータ） (2023-12-21T18:52:14Z) - Virtual Correspondence: Humans as a Cue for Extreme-View Geometry [104.09449367670318]
仮想対応(VC)という新しい概念を提示する。
古典的な対応とは異なり、VCはビューをまたいでコビジュアライズする必要はない。
極端な視点でカメラのポーズを回復するために、VCが古典的なバンドル調整とシームレスに統合できることを示します。
論文 参考訳（メタデータ） (2022-06-16T17:59:42Z) - FLEX: Parameter-free Multi-view 3D Human Motion Reconstruction [70.09086274139504]
マルチビューアルゴリズムはカメラパラメータ、特にカメラ間の相対的な位置に強く依存します。
エンドツーエンドのパラメータフリーマルチビューモデルであるFLEXを紹介します。
Human3.6MおよびKTH Multi-view Football IIデータセットの結果を実証する。
論文 参考訳（メタデータ） (2021-05-05T09:08:12Z) - CanonPose: Self-Supervised Monocular 3D Human Pose Estimation in the
Wild [31.334715988245748]
ラベルのないマルチビューデータから1つの画像3Dポーズ推定器を学習する自己教師型アプローチを提案する。
既存のほとんどの方法とは対照的に、校正カメラは必要とせず、移動カメラから学ぶことができる。
成功の鍵は、ビューとトレーニングサンプルの情報を混ぜ合わせた、新しく偏見のない再建目標である。
論文 参考訳（メタデータ） (2020-11-30T10:42:27Z) - Infrastructure-based Multi-Camera Calibration using Radial Projections [117.22654577367246]
パターンベースのキャリブレーション技術は、カメラの内在を個別にキャリブレーションするために使用することができる。
Infrastucture-based calibration techniqueはSLAMやStructure-from-Motionで事前に構築した3Dマップを用いて外部情報を推定することができる。
本稿では,インフラストラクチャベースのアプローチを用いて,マルチカメラシステムをスクラッチから完全にキャリブレーションすることを提案する。
論文 参考訳（メタデータ） (2020-07-30T09:21:04Z) - Shape and Viewpoint without Keypoints [63.26977130704171]
本研究では,1枚の画像から3次元形状,ポーズ,テクスチャを復元する学習フレームワークを提案する。
我々は,3次元形状,マルチビュー,カメラ視点,キーポイントの監督なしに画像収集を訓練した。
我々は、最先端のカメラ予測結果を取得し、オブジェクト間の多様な形状やテクスチャを予測することを学べることを示す。
論文 参考訳（メタデータ） (2020-07-21T17:58:28Z)
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。