論文の概要: Recurrence-based Vanishing Point Detection

• arxiv url: http://arxiv.org/abs/2412.20666v2
• Date: Wed, 01 Jan 2025 01:17:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-03 11:36:41.358228
• Title: Recurrence-based Vanishing Point Detection
• Title（参考訳）: Recurrence-based Vanishing Point Detection
• Authors: Skanda Bharadwaj, Robert Collins, Yanxi Liu,
• Abstract要約: 本稿では,Vanishing Point Detection (VPD) に対する教師なしアプローチを提案する。 R-VPDは、明示的な線に加えて、繰り返される対応から発見された暗黙の線を使用する。 我々は2つの古典的手法と2つの最先端のディープラーニングベースVPD手法を比較した。
• 参考スコア（独自算出の注目度）: 2.06242362470764
• License:
• Abstract: Classical approaches to Vanishing Point Detection (VPD) rely solely on the presence of explicit straight lines in images, while recent supervised deep learning approaches need labeled datasets for training. We propose an alternative unsupervised approach: Recurrence-based Vanishing Point Detection (R-VPD) that uses implicit lines discovered from recurring correspondences in addition to explicit lines. Furthermore, we contribute two Recurring-Pattern-for-Vanishing-Point (RPVP) datasets: 1) a Synthetic Image dataset with 3,200 ground truth vanishing points and camera parameters, and 2) a Real-World Image dataset with 1,400 human annotated vanishing points. We compare our method with two classical methods and two state-of-the-art deep learning-based VPD methods. We demonstrate that our unsupervised approach outperforms all the methods on the synthetic images dataset, outperforms the classical methods, and is on par with the supervised learning approaches on real-world images.
• Abstract（参考訳）: Vanishing Point Detection (VPD) に対する古典的なアプローチは、画像に明確な直線が存在することのみに依存するが、最近の教師付きディープラーニングアプローチでは、トレーニングのためにラベル付きデータセットが必要である。 本稿では,再帰性に基づくVanishing Point Detection (R-VPD) を提案する。 さらに、Recurring-Pattern-for-Vanishing-Point(RPVP)データセットを2つ提供します。 1)3,200点の真理が消滅した合成画像データセットとカメラパラメータ 2) 人間が注釈を付けた1,400点のリアルワールドイメージデータセット。 我々は2つの古典的手法と2つの最先端のディープラーニングベースVPD手法を比較した。 我々の教師なしアプローチは、合成画像データセット上の全ての手法より優れており、古典的手法よりも優れており、実世界の画像における教師なし学習手法と同等であることを示す。

関連論文リスト

• Mismatched: Evaluating the Limits of Image Matching Approaches and Benchmarks [9.388897214344572]
  2次元画像からの3次元3次元再構成はコンピュータビジョンにおける活発な研究分野である。 伝統的にこの作業にはパラメトリック技術が用いられてきた。 近年の進歩は、学習ベースの方法にシフトしている。
  論文  参考訳（メタデータ） (2024-08-29T11:16:34Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• Towards Effective Image Manipulation Detection with Proposal Contrastive Learning [61.5469708038966]
  本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。 我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。 我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
  論文  参考訳（メタデータ） (2022-10-16T13:30:13Z)
• Real-World Image Super-Resolution by Exclusionary Dual-Learning [98.36096041099906]
  実世界の画像超解像は,高品質な画像を得るための実用的な画像復元問題である。 深層学習に基づく手法は、現実世界の超解像データセットの復元に期待できる品質を実現している。 本稿では,RWSR-EDL(Real-World Image Super-Resolution by Exclusionary Dual-Learning)を提案する。
  論文  参考訳（メタデータ） (2022-06-06T13:28:15Z)
• DcnnGrasp: Towards Accurate Grasp Pattern Recognition with Adaptive Regularizer Learning [13.08779945306727]
  現在の最先端手法は、パターン認識に不可欠なオブジェクトのカテゴリ情報を無視している。 本稿では,物体分類と把握パターン認識の連成学習を実現するために,二分岐畳み込みニューラルネットワーク(DcnnGrasp)を提案する。
  論文  参考訳（メタデータ） (2022-05-11T00:34:27Z)
• Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
  一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。 このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。 提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
  論文  参考訳（メタデータ） (2022-04-12T15:03:51Z)
• Learning Semantics for Visual Place Recognition through Multi-Scale Attention [14.738954189759156]
  本稿では,データの視覚的外観と意味的内容から,ロバストなグローバルな埋め込みを学習する最初のVPRアルゴリズムを提案する。 さまざまなシナリオの実験により、この新しいアプローチが検証され、最先端の手法に対するパフォーマンスが実証される。
  論文  参考訳（メタデータ） (2022-01-24T14:13:12Z)
• Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD Images [69.5662419067878]
  RGBD画像における接地参照表現は新たな分野である。 本稿では,参照する物体が閉塞により部分的にスキャンされる場合が多い単視点rgbd画像における3次元視覚グランド化の新たな課題を提案する。 提案手法はまず,RGBD画像内の関連領域をローカライズするヒートマップを生成するために,下層の言語と視覚的特徴を融合させる。 次に、ヒートマップに基づく適応的特徴学習を行い、他のビジオ言語融合とオブジェクトレベルのマッチングを行い、最後に参照したオブジェクトを接地する。
  論文  参考訳（メタデータ） (2021-03-14T11:18:50Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• Local Anomaly Detection in Videos using Object-Centric Adversarial Learning [12.043574473965318]
  本稿では,ビデオ中のフレームレベルの局所異常を検出するために,オブジェクト領域のみを必要とする2段階のオブジェクト中心対向フレームワークを提案する。 第1段階は、現在の外観と、通常と見なされる場面における物体の過去の勾配画像との対応を学習することで、現在の外観から過去の勾配を生成できるか、逆から生成することができる。 第2段階は、実際の画像と生成された画像(外観と過去の勾配)の間の部分再構成誤差を通常の物体の挙動で抽出し、対向的に判別器を訓練する。
  論文  参考訳（メタデータ） (2020-11-13T02:02:37Z)

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。