Fugu-MT 論文翻訳(概要): Building Rome with Convex Optimization

論文の概要: Building Rome with Convex Optimization

arxiv url: http://arxiv.org/abs/2502.04640v2
Date: Mon, 10 Feb 2025 15:41:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-11 14:29:32.378752
Title: Building Rome with Convex Optimization
Title（参考訳）: 凸最適化によるローマの構築
Authors: Haoyu Han, Heng Yang,
Abstract要約: 本研究では2次元鍵点計測を学習深度で3次元に引き上げるスケールドバンドル調整(SBA)法を提案する。我々は,証明可能な大域的最適性を解決するために,実証的に厳密な凸半有限プログラム (SDP) を設計する。最適化エンジンとしてXMを用いた動き(SfM)パイプラインを構築する。
参考スコア（独自算出の注目度）: 6.209232908521727
License:
Abstract: Global bundle adjustment is made easy by depth prediction and convex optimization. We (i) propose a scaled bundle adjustment (SBA) formulation that lifts 2D keypoint measurements to 3D with learned depth, (ii) design an empirically tight convex semidfinite program (SDP) relaxation that solves SBA to certfiable global optimality, (iii) solve the SDP relaxations at extreme scale with Burer-Monteiro factorization and a CUDA-based trust-region Riemannian optimizer (dubbed XM), (iv) build a structure from motion (SfM) pipeline with XM as the optimization engine and show that XM-SfM dominates or compares favorably with existing SfM pipelines in terms of reconstruction quality while being faster, more scalable, and initialization-free.
Abstract（参考訳）: 大域的なバンドル調整は、深さ予測と凸最適化により容易である。我が家 (i)2次元キーポイント計測を学習深度で3Dに引き上げるスケールドバンドル調整(SBA)の定式化を提案する。 (II) 証明可能な大域的最適性を実現するためのSBA緩和を実証的に厳密な凸半有限プログラム(SDP)として設計する。 3) ブラー・モンティロ因子化とCUDAベースの信頼領域リーマン最適化器(XM)により、超大規模でSDP緩和を解く。 (4) 最適化エンジンとしてXMを用いた動き(SfM)パイプラインを構築し, 高速化, 拡張性, 初期化不要性を両立させつつ, 既存のSfMパイプラインを優良に比較した。

関連論文リスト

Correspondence-Guided SfM-Free 3D Gaussian Splatting for NVS [52.3215552448623]
SfM(Structure-from-Motion)事前処理カメラのポーズのない新しいビュー合成(NVS)は、迅速な応答能力の向上と、可変動作条件に対する堅牢性の向上に不可欠である。最近のSfMフリー手法は、ポーズ最適化を統合し、共同カメラのポーズ推定とNVSのためのエンドツーエンドフレームワークを設計している。既存の作業の多くは、L2損失のようなピクセル単位の画像損失関数に依存している。本研究では,NVSのためのSfMフリー3次元ガウススプラッティングを提案する。
論文参考訳（メタデータ） (2024-08-16T13:11:22Z)
Improved Communication-Privacy Trade-offs in $L_2$ Mean Estimation under Streaming Differential Privacy [47.997934291881414]
既存の平均推定スキームは、通常、$L_infty$幾何に最適化され、ランダムな回転や、$L$幾何に適応するカシンの表現に依存する。本稿では,スパシフィケーションに固有のランダム性をDPに組み込んだ,スパシフィケーションガウシアン機構の新たなプライバシ会計手法を提案する。従来の手法とは異なり、我々の会計アルゴリズムは直接$L$幾何で動作し、ガウスの機構に迅速に収束するMSEが得られる。
論文参考訳（メタデータ） (2024-05-02T03:48:47Z)
PASOA- PArticle baSed Bayesian Optimal Adaptive design [2.2186678387006435]
本稿では,パラメータ推定のための後続分布の正確な推定を同時に提供することによって,逐次設計最適化を行う新しい手法を提案する。予測情報ゲイン(EIG)を最大化するために、SMC(Sequential Monte Carlo)サンプリングと最適化を用いて、コントラスト推定原理を用いてシーケンシャル設計を行う。提案手法は, 高い情報ゲインと正確なSMCサンプリングの両方を同時に行うことが提案され, 性能に欠かせないことを示す。
論文参考訳（メタデータ） (2024-02-11T11:11:39Z)
GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文参考訳（メタデータ） (2023-12-04T18:59:55Z)
Dynamic Voxel Grid Optimization for High-Fidelity RGB-D Supervised Surface Reconstruction [130.84162691963536]
高忠実度3次元表面再構成のための新しい動的グリッド最適化手法を提案する。グリッドを動的に修正し、より複雑な領域により微細なボクセルを割り当てることで、プロセスを最適化する。提案手法は, 合成データと実世界のデータの両方を詳細に記述した高品質な3D再構成を実現する。
論文参考訳（メタデータ） (2023-04-12T22:39:57Z)
AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion [48.835456049755166]
AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
論文参考訳（メタデータ） (2023-01-28T09:06:50Z)
DeepMLE: A Robust Deep Maximum Likelihood Estimator for Two-view Structure from Motion [9.294501649791016]
動きからの2次元構造(SfM)は3次元再構成と視覚SLAM(vSLAM)の基礎となる。本稿では,2視点SfM問題を最大最大推定(MLE)として定式化し,DeepMLEと表記されるフレームワークを用いて解いた。提案手法は,最先端の2ビューSfM手法よりも精度と一般化能力において優れる。
論文参考訳（メタデータ） (2022-10-11T15:07:25Z)
Federated Learning via Intelligent Reflecting Surface [30.935389187215474]
オーバー・ザ・エア・コンピューティング・アルゴリズム(FL)は,複数のアクセスチャネルの波形重畳特性を利用して高速なモデルアグリゲーションを実現することができる。本稿では,AirCompベースのFLのための高速かつ信頼性の高いモデルアグリゲーションを実現するための2段階最適化フレームワークを提案する。シミュレーションの結果,提案するフレームワークとIRSの展開により,ベースラインアルゴリズムよりもトレーニング損失が低く,FL予測精度も高いことがわかった。
論文参考訳（メタデータ） (2020-11-10T11:29:57Z)
Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文参考訳（メタデータ） (2020-11-02T18:02:26Z)
Stochastic Coordinate Minimization with Progressive Precision for Stochastic Convex Optimization [16.0251555430107]
凸最適化のための反復座標最小化(CM)に基づくフレームワークを開発した。最適精度制御と結果の順序-最適後悔性能を確立する。提案アルゴリズムは,大規模最適化のためのCMのスケーラビリティと並列性特性を継承し,オンライン実装に適したアルゴリズムである。
論文参考訳（メタデータ） (2020-03-11T18:42:40Z)
Adopting Robustness and Optimality in Fitting and Learning [4.511425319032815]
我々は、ロバスト最適化(RO)指数 $lambda$ を $-infty 桁にプッシュすることで、改良された指数化推定器を一般化する。このロバスト性はRONISTによって適応的に実現され制御される。
論文参考訳（メタデータ） (2015-10-13T19:14:43Z)

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。