論文の概要: Accelerating Outlier-robust Rotation Estimation by Stereographic Projection

• arxiv url: http://arxiv.org/abs/2502.06337v1
• Date: Mon, 10 Feb 2025 10:37:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:30:03.243375
• Title: Accelerating Outlier-robust Rotation Estimation by Stereographic Projection
• Title（参考訳）: ステレオ投影による外乱回転推定の高速化
• Authors: Taosi Xu, Yinlong Liu, Xianbo Wang, Zhi-Xin Yang,
• Abstract要約: 本稿では,効率的かつロバストな回転推定法を提案する。 提案手法では,0.07秒以内に大規模(106$ポイント)と高度に破損した(90%外乱率)回転推定問題を解くことができる。
• 参考スコア（独自算出の注目度）: 11.031734331985975
• License:
• Abstract: Rotation estimation plays a fundamental role in many computer vision and robot tasks. However, efficiently estimating rotation in large inputs containing numerous outliers (i.e., mismatches) and noise is a recognized challenge. Many robust rotation estimation methods have been designed to address this challenge. Unfortunately, existing methods are often inapplicable due to their long computation time and the risk of local optima. In this paper, we propose an efficient and robust rotation estimation method. Specifically, our method first investigates geometric constraints involving only the rotation axis. Then, it uses stereographic projection and spatial voting techniques to identify the rotation axis and angle. Furthermore, our method efficiently obtains the optimal rotation estimation and can estimate multiple rotations simultaneously. To verify the feasibility of our method, we conduct comparative experiments using both synthetic and real-world data. The results show that, with GPU assistance, our method can solve large-scale ($10^6$ points) and severely corrupted (90\% outlier rate) rotation estimation problems within 0.07 seconds, with an angular error of only 0.01 degrees, which is superior to existing methods in terms of accuracy and efficiency.
• Abstract（参考訳）: 回転推定は多くのコンピュータビジョンやロボットタスクにおいて基本的な役割を果たす。 しかし、多数のアウトリーチ(ミスマッチ)とノイズを含む大きな入力の回転を効率的に推定することは、認識される課題である。 多くのロバストな回転推定法がこの課題に対処するために設計されている。 残念ながら、既存の手法は、長い計算時間と局所最適化のリスクのために、しばしば適用できない。 本稿では,効率的かつロバストな回転推定法を提案する。 具体的には,回転軸のみを含む幾何学的制約について検討する。 そして、立体投影法と空間投票法を用いて、回転軸と角度を識別する。 さらに,本手法は最適回転推定を効率よく獲得し,同時に複数の回転を推定できる。 提案手法の有効性を検証するため,合成データと実世界のデータの両方を用いて比較実験を行った。 以上の結果より, 精度と効率の点で既存の手法よりも優れた角誤差の0.07秒以内で, 大規模(10^6$ポイント) および高度に破損した(90\%アウトレーラレート)回転推定問題をGPUで解くことができることがわかった。

関連論文リスト

• Multiple Rotation Averaging with Constrained Reweighting Deep Matrix Factorization [22.487393413405954]
  コンピュータビジョンとロボティクス領域では、複数の回転平均化が重要な役割を果たす。 本稿では,データパターンを学習方法でマイニングするための効率的な回転平均化手法を提案する。
  論文  参考訳（メタデータ） (2024-09-15T16:50:27Z)
• Robust Single Rotation Averaging Revisited [14.533304890042361]
  本稿では, 極端に多くの外乱を効率的に処理できるロバストな単回転平均化法を提案する。 本手法は, 高い精度のインレーヤが与えられた場合, 最大99%のアウトレーヤに対して頑健であり, 現状よりも優れていた。
  論文  参考訳（メタデータ） (2023-09-11T11:35:17Z)
• 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)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• 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)
• ART-Point: Improving Rotation Robustness of Point Cloud Classifiers via Adversarial Rotation [89.47574181669903]
  本研究では, 点雲分類器の回転ロバスト性も, 対角訓練により得られることを示す。 具体的には、ART-Pointというフレームワークは、ポイントクラウドの回転を攻撃と見なしている。 最終的なロバストモデルに効率よく到達するために,高速なワンステップ最適化を提案する。
  論文  参考訳（メタデータ） (2022-03-08T07:20:16Z)
• RSDet++: Point-based Modulated Loss for More Accurate Rotated Object Detection [53.57176614020894]
  我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。 問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。 10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
  論文  参考訳（メタデータ） (2021-09-24T11:57:53Z)
• Efficient Algorithms for Rotation Averaging Problems [17.101725065752486]
  平均問題は、コンピュータアプリケーションにおける基本的なタスクです。 定常点への収束を保証したブロック平均化アルゴリズムを提案する。 また,上界最小化を適用した平均化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-18T05:22:45Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。