論文の概要: Generalized Maximum Likelihood Estimation for Perspective-n-Point Problem

• arxiv url: http://arxiv.org/abs/2408.01945v1
• Date: Sun, 4 Aug 2024 07:06:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 17:51:14.397089
• Title: Generalized Maximum Likelihood Estimation for Perspective-n-Point Problem
• Title（参考訳）: パースペクティブn-ポイント問題に対する一般化最大近似推定
• Authors: Tian Zhan, Chunfeng Xu, Cheng Zhang, Ke Zhu,
• Abstract要約: 既存の手法では、いくつかの実世界のデータセットで示されているように、観測の異方性の不確実性は無視されている。 本稿では,翻訳精度の向上による基準値の最小化を図るため,GMLと呼ばれる一般化された最大公約解法を提案する。 視覚に基づくUAVタスクにおいて非常にノイズの多い観測の下ではより正確であり、翻訳推定では34.4%で最高のベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 11.662329798571953
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Perspective-n-Point (PnP) problem has been widely studied in the literature and applied in various vision-based pose estimation scenarios. However, existing methods ignore the anisotropy uncertainty of observations, as demonstrated in several real-world datasets in this paper. This oversight may lead to suboptimal and inaccurate estimation, particularly in the presence of noisy observations. To this end, we propose a generalized maximum likelihood PnP solver, named GMLPnP, that minimizes the determinant criterion by iterating the GLS procedure to estimate the pose and uncertainty simultaneously. Further, the proposed method is decoupled from the camera model. Results of synthetic and real experiments show that our method achieves better accuracy in common pose estimation scenarios, GMLPnP improves rotation/translation accuracy by 4.7%/2.0% on TUM-RGBD and 18.6%/18.4% on KITTI-360 dataset compared to the best baseline. It is more accurate under very noisy observations in a vision-based UAV localization task, outperforming the best baseline by 34.4% in translation estimation accuracy.
• Abstract（参考訳）: パースペクティブ・n・ポイント(PnP)問題は文献で広く研究され、様々な視覚に基づくポーズ推定シナリオに適用されている。 しかし、本論文ではいくつかの実世界のデータセットで示されているように、既存の手法は観測の異方性不確実性を無視している。 この監視は、特にノイズのある観測の存在において、最適で不正確な推定につながる可能性がある。 この目的のために,GAS手順を反復してポーズと不確実性を同時に推定することにより,決定的基準を最小化する一般化された最大 PnP 解法 GMLPnP を提案する。 さらに,提案手法をカメラモデルから分離する。 GMLPnPは,TUM-RGBDで4.7%/2.0%,KITTI-360データセットで18.6%/18.4%の精度向上を実現した。 視覚に基づくUAVローカライゼーションタスクにおいて非常にノイズの多い観測の下ではより正確であり、翻訳推定精度が34.4%向上した。

関連論文リスト

• Software Fault Localization Based on Multi-objective Feature Fusion and Deep Learning [1.6724380665811045]
  ソフトウェアのフォールトローカライゼーションは、機能の多様性が制限され、従来の手法の精度が低いため、依然として困難である。 本稿では,多目的最適化を深層学習モデルに統合し,フォールトローカライゼーション(FL)の精度と効率を両立させる手法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T04:37:32Z)
• Precise Model Benchmarking with Only a Few Observations [6.092112060364272]
  本稿では,各サブグループの直接推定と回帰推定を個別にバランスする経験的ベイズ推定器を提案する。 EBは、直接的および回帰的アプローチと比較して、LCM性能のより正確な推定を一貫して提供する。
  論文  参考訳（メタデータ） (2024-10-07T17:26:31Z)
• Probabilistic Parameter Estimators and Calibration Metrics for Pose Estimation from Image Features [30.85393323542915]
  本稿では,実時間における測定の不確実性を考慮した確率的パラメータ推定の課題に対処する。 本稿では,最小二乗サンプリング法,線形近似法,確率的プログラミング推定法という3つの確率的パラメータ推定手法を提案する。 線形近似推定器は、他の手法よりも格段に高速にシャープで精度の良いポーズ予測を生成できるが、特定のシナリオにおいて過信な予測をもたらす可能性があることを実証する。
  論文  参考訳（メタデータ） (2024-07-23T07:02:01Z)
• Uncertainty-Aware Testing-Time Optimization for 3D Human Pose Estimation [68.75387874066647]
  本研究では3次元ポーズ推定のための不確実性認識テスト時間最適化フレームワークを提案する。 我々のアプローチは、Human3.6Mの4.5%という大きなマージンで、過去最高の結果を上回っている。
  論文  参考訳（メタデータ） (2024-02-04T04:28:02Z)
• A Finite-Horizon Approach to Active Level Set Estimation [0.7366405857677227]
  レベルセット推定(LSE)における空間サンプリングの文脈におけるアクティブラーニングの問題点について考察する。 1次元でLSEを行うための有限水平探索法を提案するが、最終的な推定誤差と一定数のサンプルの移動距離のバランスは最適である。 結果の最適化問題をクローズドな方法で解き、その結果のポリシーが既存のアプローチを一般化することを示す。
  論文  参考訳（メタデータ） (2023-10-18T14:11:41Z)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
  本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。 実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
  論文  参考訳（メタデータ） (2023-03-11T11:42:26Z)
• The Probabilistic Normal Epipolar Constraint for Frame-To-Frame Rotation Optimization under Uncertain Feature Positions [53.478856119297284]
  特徴位置における異方性および不均一性を考慮した確率論的正規極性制約(PNEC)を導入する。 合成データの実験において、新しいPNECは元のNECよりも正確な回転推定値が得られることを示した。 我々は,提案手法を最先端のモノクロ回転専用オドメトリーシステムに統合し,実世界のKITTIデータセットに対して一貫した改良を行った。
  論文  参考訳（メタデータ） (2022-04-05T14:47:11Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• Towards High Performance Low Complexity Calibration in Appearance Based Gaze Estimation [7.857571508499849]
  RGB画像からの出現に基づく視線推定は、比較的制約のない視線追跡を提供する。 キャリブレーションデータにおいて,視線対象者数,視線対象者当たりの画像数,頭部位置数の影響を解析した。 1つの視線目標と1つの頭の位置しか使用せず、高品質な校正を達成するには十分であり、最先端の手法を6.3%以上上回っている。
  論文  参考訳（メタデータ） (2020-01-25T09:30:06Z)

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。