論文の概要: Are Minimal Radial Distortion Solvers Necessary for Relative Pose Estimation?

• arxiv url: http://arxiv.org/abs/2410.05984v1
• Date: Tue, 8 Oct 2024 12:30:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 11:50:19.112001
• Title: Are Minimal Radial Distortion Solvers Necessary for Relative Pose Estimation?
• Title（参考訳）: 最小半径歪解法は相対的ポス推定に必要か?
• Authors: Charalambos Tzamos, Viktor Kocur, Yaqing Ding, Torsten Sattler, Zuzana Kukelova,
• Abstract要約: 本稿では, 効率的なピンホール解法と試料の半径歪みパラメータを組み合わせ, 簡単な実装法と放射歪み解法を比較した。 複数のデータセットとRANSACの変種に関する実験は、この単純なアプローチが最も正確な最小歪み解法よりも、同様に、あるいはより優れていることを示している。
• 参考スコア（独自算出の注目度）: 39.593903427245664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the relative pose between two cameras is a fundamental step in many applications such as Structure-from-Motion. The common approach to relative pose estimation is to apply a minimal solver inside a RANSAC loop. Highly efficient solvers exist for pinhole cameras. Yet, (nearly) all cameras exhibit radial distortion. Not modeling radial distortion leads to (significantly) worse results. However, minimal radial distortion solvers are significantly more complex than pinhole solvers, both in terms of run-time and implementation efforts. This paper compares radial distortion solvers with a simple-to-implement approach that combines an efficient pinhole solver with sampled radial distortion parameters. Extensive experiments on multiple datasets and RANSAC variants show that this simple approach performs similarly or better than the most accurate minimal distortion solvers at faster run-times while being significantly more accurate than faster non-minimal solvers. We clearly show that complex radial distortion solvers are not necessary in practice. Code and benchmark are available at https://github.com/kocurvik/rd.
• Abstract（参考訳）: 2台のカメラ間の相対的なポーズを推定することは、Structure-from-Motionのような多くのアプリケーションにおける基本的なステップである。 相対ポーズ推定に対する一般的なアプローチは、RANSACループ内に最小の解法を適用することである。 ピンホールカメラには非常に効率的な解法が存在する。 しかし、(ほぼ)すべてのカメラは放射歪みを示す。 放射歪みをモデル化しないことは(顕著に)悪い結果をもたらす。 しかし、最小の半径歪み解法は、実行時間と実装の両面でピンホール解法よりもかなり複雑である。 本稿では, 効率的なピンホール解法と試料の半径歪みパラメータを組み合わせ, 簡単な実装法と放射歪み解法を比較した。 複数のデータセットとRANSACの変種に対する大規模な実験は、この単純なアプローチが、より高速な実行時に最も正確な最小歪み解法よりも、より高速な非最小解法よりもはるかに正確であることを示している。 複雑なラジアル歪み解法は実際は不要であることを示す。 コードとベンチマークはhttps://github.com/kocurvik/rd.orgで公開されている。

関連論文リスト

• DiffIR: Efficient Diffusion Model for Image Restoration [108.82579440308267]
  拡散モデル(DM)は、画像合成過程をデノナイジングネットワークのシーケンシャルな応用にモデル化することで、SOTA性能を達成した。 画像全体や特徴マップを推定する大規模なモデルで大規模なイテレーションを実行する従来のDMは、画像復元には非効率である。 本稿では、小型IR先行抽出ネットワーク(CPEN)、ダイナミックIR変換器(DIRformer)、デノナイズネットワーク(Denoising Network)からなるDiffIRを提案する。
  論文  参考訳（メタデータ） (2023-03-16T16:47:14Z)
• An Adaptive Method for Camera Attribution under Complex Radial Distortion Corrections [77.34726150561087]
  インカメラまたはインカメラソフトウェア/アサートウェアは、PRNUベースのカメラ属性を妨げるために、画像の支持グリッドを変更する。 この問題に対処する既存のソリューションは、計算負荷を抑制するために、数変数でパラメータ化された半径変換を用いて補正を反転/推定しようとする。 本稿では,Adobe Lightroom, Photoshop, Gimp, PT-Lensといったサードパーティ製ソフトウェアが適用したような高度な補正を,同心円に分割することで実現する適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-28T08:44:00Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• Self-Calibrating Neural Radiance Fields [68.64327335620708]
  キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。 我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
  論文  参考訳（メタデータ） (2021-08-31T13:34:28Z)
• Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
  慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。 このアプローチは校正手順を冗長にし、即時光の交換を可能にする。 焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T18:34:56Z)
• A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
  より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。 本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。 歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
  論文  参考訳（メタデータ） (2020-07-21T10:03:42Z)
• Quasi-Newton Solver for Robust Non-Rigid Registration [35.66014845211251]
  データフィッティングと正規化のための大域的スムーズなロバスト推定器に基づくロバストな非剛性登録のための定式化を提案する。 本稿では,L-BFGS を用いた最小二乗問題の解法に,各繰り返しを減らし,最大化最小化アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2020-04-09T01:45:05Z)

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。