論文の概要: GS-Matching: Reconsidering Feature Matching task in Point Cloud Registration

• arxiv url: http://arxiv.org/abs/2412.04855v1
• Date: Fri, 06 Dec 2024 08:47:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:56:10.570482
• Title: GS-Matching: Reconsidering Feature Matching task in Point Cloud Registration
• Title（参考訳）: GS-Matching: ポイントクラウド登録における特徴マッチングタスクの再検討
• Authors: Yaojie Zhang, Tianlun Huang, Weijun Wang, Wei Feng,
• Abstract要約: 本稿では,Gale-ShapleyアルゴリズムにインスパイアされたGSマッチング方式を提案する。 提案手法は, 高い重なり合い条件下で効率よく動作し, より非反復的不整合を求めることができる。
• 参考スコア（独自算出の注目度）: 7.315456136190114
• License:
• Abstract: Traditional point cloud registration (PCR) methods for feature matching often employ the nearest neighbor policy. This leads to many-to-one matches and numerous potential inliers without any corresponding point. Recently, some approaches have framed the feature matching task as an assignment problem to achieve optimal one-to-one matches. We argue that the transition to the Assignment problem is not reliable for general correspondence-based PCR. In this paper, we propose a heuristics stable matching policy called GS-matching, inspired by the Gale-Shapley algorithm. Compared to the other matching policies, our method can perform efficiently and find more non-repetitive inliers under low overlapping conditions. Furthermore, we employ the probability theory to analyze the feature matching task, providing new insights into this research problem. Extensive experiments validate the effectiveness of our matching policy, achieving better registration recall on multiple datasets.
• Abstract（参考訳）: 特徴マッチングのための従来のポイントクラウド登録(PCR)手法は、しばしば最も近い隣のポリシーを用いる。 これにより、多くの対1の一致と、対応する点を持たない多くの潜在的な不等式が導かれる。 近年,一対一の最適なマッチングを実現するための代入問題として,特徴マッチングタスクの枠組みを定めているアプローチもある。 一般対応PCRでは,アサインメント問題への移行は信頼できない。 本稿では,Gale-Shapleyアルゴリズムにインスパイアされた,GSマッチングと呼ばれるヒューリスティックで安定なマッチングポリシを提案する。 他のマッチングポリシと比較すると,提案手法は効率よく動作し,重なり合いの低い条件下でより非反復的不整合を求めることができる。 さらに,特徴マッチングタスクの解析に確率論を用い,この研究課題に対する新たな洞察を提供する。 大規模な実験により、マッチングポリシーの有効性が検証され、複数のデータセットに対するより良い登録リコールが達成される。

関連論文リスト

• Semisupervised score based matching algorithm to evaluate the effect of public health interventions [3.221788913179251]
  1対1のマッチングアルゴリズムでは、マッチする多数の"ペア"は、大きなサンプルからの情報と多数のタスクの両方を意味する可能性がある。 本稿では,2次スコア関数 $S_beta(x_i,x_j)= betaT (x_i-x_j)(x_i-x_j)T beta$ に基づく新しい1対1マッチングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-19T02:24:16Z)
• Query-Efficient Correlation Clustering with Noisy Oracle [17.11782578276788]
  共同マルチアーマッドバンド(PE-CMAB)における純粋探索のパラダイムに根ざしたオンライン学習問題の2つの新しい定式化を導入する。 我々は,サンプリング戦略と古典近似アルゴリズムを組み合わせるアルゴリズムを設計し,それらの理論的保証について検討する。 本研究は, PE-CMABの場合のクラスタリング時アルゴリズムの最初の例であり, 基礎となるオフライン最適化問題はNP-hardである。
  論文  参考訳（メタデータ） (2024-02-02T13:31:24Z)
• Deep Probabilistic Graph Matching [72.6690550634166]
  本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。 提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-05T13:37:27Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• Local policy search with Bayesian optimization [73.0364959221845]
  強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。 局所探索のための政策勾配は、しばしばランダムな摂動から得られる。 目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-06-22T16:07:02Z)
• RANSIC: Fast and Highly Robust Estimation for Rotation Search and Point Cloud Registration using Invariant Compatibility [6.8858952804978335]
  対応に基づく回転探索と点雲登録は、ロボット工学とコンピュータビジョンの基本的な問題である。 本稿では、乱数サンプリングと不変性と互換性を組み合わせた新しいパラダイムに基づいて、両問題に適用可能な高速かつ高堅牢なRANSICを提案する。 複数の合成実験と実実験では、RANSICが高速に使用でき、95%以上のアウトプライヤに対して堅牢であり、約100%のインプライヤをリコールすることができ、回転検索とポイントクラウド登録問題の両方で他の最先端のソルバーを上回ります。
  論文  参考訳（メタデータ） (2021-04-19T08:29:34Z)
• Consensus-Guided Correspondence Denoising [67.35345850146393]
  本稿では,地域間コンセンサス学習フレームワークと対応関係を異色化し,対応関係をロバストに識別する。 ローカル地域からグローバル地域への動的グラフから推定されるコンセンサススコアに基づいて,信頼度の高い候補を初期マッチングから蒸留する新しい「プルーニング」ブロックを導入した。 本手法は、堅牢なラインフィッティング、ワイドベースライン画像マッチング、画像ローカリゼーションベンチマークを顕著なマージンで上回る。
  論文  参考訳（メタデータ） (2021-01-03T09:10:00Z)
• Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
  我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。 複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
  論文  参考訳（メタデータ） (2020-10-21T13:43:48Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)

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。