論文の概要: Gravity-aligned Rotation Averaging with Circular Regression

• arxiv url: http://arxiv.org/abs/2410.12763v1
• Date: Wed, 16 Oct 2024 17:37:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:42:03.424348
• Title: Gravity-aligned Rotation Averaging with Circular Regression
• Title（参考訳）: 円回帰による重力配向回転平均化
• Authors: Linfei Pan, Marc Pollefeys, Dániel Baráth,
• Abstract要約: 我々は,重力方向をグローバルパイプラインの回転平均位相に統合する原理的アプローチを導入する。 4つの大規模データセットで最先端の精度を実現する。
• 参考スコア（独自算出の注目度）: 53.81374943525774
• License:
• Abstract: Reconstructing a 3D scene from unordered images is pivotal in computer vision and robotics, with applications spanning crowd-sourced mapping and beyond. While global Structure-from-Motion (SfM) techniques are scalable and fast, they often compromise on accuracy. To address this, we introduce a principled approach that integrates gravity direction into the rotation averaging phase of global pipelines, enhancing camera orientation accuracy and reducing the degrees of freedom. This additional information is commonly available in recent consumer devices, such as smartphones, mixed-reality devices and drones, making the proposed method readily accessible. Rooted in circular regression, our algorithm has similar convergence guarantees as linear regression. It also supports scenarios where only a subset of cameras have known gravity. Additionally, we propose a mechanism to refine error-prone gravity. We achieve state-of-the-art accuracy on four large-scale datasets. Particularly, the proposed method improves upon the SfM baseline by 13 AUC@$1^\circ$ points, on average, while running eight times faster. It also outperforms the standard planar pose graph optimization technique by 23 AUC@$1^\circ$ points. The code is at https://github.com/colmap/glomap.
• Abstract（参考訳）: 秩序のない画像から3Dシーンを再構築することは、コンピュータビジョンとロボティクスにおいて重要な要素であり、クラウドソースのマッピングなどにまたがるアプリケーションである。 グローバルなStructure-from-Motion(SfM)技術はスケーラブルで高速だが、精度に妥協することが多い。 そこで本稿では,グローバルパイプラインの回転平均位相に重力方向を統合し,カメラの向きの精度を高め,自由度を下げる原理的アプローチを提案する。 この追加情報は、スマートフォン、混合現実デバイス、ドローンなどの最近の消費者向けデバイスで一般的に利用可能であり、提案手法が容易に利用できる。 このアルゴリズムは円回帰で回転し、線形回帰と同様の収束を保証する。 また、カメラのサブセットだけが重力を知っているシナリオもサポートする。 さらに,誤差発生重力を洗練させる機構を提案する。 4つの大規模データセットで最先端の精度を実現する。 特に,提案手法は,SfMベースラインを平均で13AUC@$1^\circ$ポイント改善し,実行速度は8倍に向上した。 また、23 AUC@$1^\circ$ポイントの標準平面ポーズグラフ最適化手法よりも優れている。 コードはhttps://github.com/colmap/glomapにある。

関連論文リスト

• ScaleFlow++: Robust and Accurate Estimation of 3D Motion from Video [26.01796507893086]
  本稿では,3次元モーション認識手法であるScaleFlow++を提案する。 たった1対のRGBイメージで、ScaleFlow++は光学フローとモーションインディープス(MID)をしっかりと推定できる。 KITTIでは、ScaleFlow++は、SF-allを6.21から5.79に削減し、最高のモノクロシーンフロー推定性能を達成した。
  論文  参考訳（メタデータ） (2024-09-16T11:59:27Z)
• Mipmap-GS: Let Gaussians Deform with Scale-specific Mipmap for Anti-aliasing Rendering [81.88246351984908]
  任意のスケールでガウスを適応させる統一最適化法を提案する。 ミップマップ技術に触発されて、ターゲットスケールのための擬似基底構造を設計し、3次元ガウスアンにスケール情報を注入するスケール一貫性誘導損失を提案する。 本手法は,PSNRの3DGSを,ズームインで平均9.25dB,ズームアウトで平均10.40dBで上回っている。
  論文  参考訳（メタデータ） (2024-08-12T16:49:22Z)
• Camera Calibration through Geometric Constraints from Rotation and Projection Matrices [4.100632594106989]
  本稿では,カメラの内在的・外在的パラメータを測定するための制約に基づく新たな損失を提案する。 我々の手法は、ニューラルネットワークの学習能力を利用して、望ましいパラメータを推定するハイブリッドアプローチである。 提案手法は,最新のSOTA(State-of-the-art)ベンチマークと比較して,全パラメータにまたがる改善を示す。
  論文  参考訳（メタデータ） (2024-02-13T13:07:34Z)
• 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)
• 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)
• E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
  重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。 回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
  論文  参考訳（メタデータ） (2022-07-20T16:11:48Z)
• Globally Optimal Relative Pose Estimation with Gravity Prior [63.74377065002315]
  例えば、車やUAVで使われるスマートフォン、タブレット、カメラシステムは、通常は重力ベクトルを正確に測定できるIMUを備えている。 我々は,最小二乗の意味での代数的誤差を最小限に抑え,過度に決定されたポーズにおける相対的なポーズを推定する,新しいグローバル最適解法を提案する。 提案した解法は、約50万枚の画像対を持つ4つの実世界のデータセットの最先端の解法と比較される。
  論文  参考訳（メタデータ） (2020-12-01T13:09:59Z)

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。