論文の概要: Convex Hull-based Algebraic Constraint for Visual Quadric SLAM
- arxiv url: http://arxiv.org/abs/2503.01254v1
- Date: Mon, 03 Mar 2025 07:30:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:15:21.932891
- Title: Convex Hull-based Algebraic Constraint for Visual Quadric SLAM
- Title（参考訳）: Convex Hull-based Algebraic Constraint for Visual Quadric SLAM
- Authors: Xiaolong Yu, Junqiao Zhao, Shuangfu Song, Zhongyang Zhu, Zihan Yuan, Chen Ye, Tiantian Feng,
- Abstract要約: 対象表現として二次体を用いることは、画像空間と世界空間の間の一般閉形式射影の利点がある。
二重再構成については, 多数提案されているが, 多くは不正確であり, 局所化の最小限の改善が得られている。
物体のランドマークに対して,簡潔かつ高精度な凸船体に基づく制約を導入する。
公開データセットを用いた実験により,本手法がモノクロおよびRGB-D SLAMの両方に適用可能であることが示された。
- 参考スコア（独自算出の注目度）: 9.855936120653995
- License:
- Abstract: Using Quadrics as the object representation has the benefits of both generality and closed-form projection derivation between image and world spaces. Although numerous constraints have been proposed for dual quadric reconstruction, we found that many of them are imprecise and provide minimal improvements to localization.After scrutinizing the existing constraints, we introduce a concise yet more precise convex hull-based algebraic constraint for object landmarks, which is applied to object reconstruction, frontend pose estimation, and backend bundle adjustment.This constraint is designed to fully leverage precise semantic segmentation, effectively mitigating mismatches between complex-shaped object contours and dual quadrics.Experiments on public datasets demonstrate that our approach is applicable to both monocular and RGB-D SLAM and achieves improved object mapping and localization than existing quadric SLAM methods. The implementation of our method is available at https://github.com/tiev-tongji/convexhull-based-algebraic-constraint.
- Abstract（参考訳）: Quadrics をオブジェクト表現として使うことは、画像空間と世界空間の間の一般性および閉形式射影の双方の利点がある。
この制約は、複雑な形状の物体の輪郭と2つの二次体のミスマッチを効果的に軽減し、複雑な形状の物体の輪郭と2つの二次体のミスマッチを効果的に緩和するように設計されており、我々のアプローチがモノクロとRGB-DのSLAMの両方に適用可能であり、既存のSLAM法よりも改善されたオブジェクトマッピングとローカライゼーションを実現することを実証している。
本手法の実装は https://github.com/tiev-tongji/convexhull-based-algebraic-constraint で公開されている。
関連論文リスト
- UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
粗大なパラダイムに基づいて、UNOPoseはSE(3)不変の参照フレームを構築し、オブジェクト表現を標準化する。
重なり合う領域内に存在すると予測される確率に基づいて、各対応の重みを補正する。
論文 参考訳（メタデータ） (2024-11-25T05:36:00Z) - LCP-Fusion: A Neural Implicit SLAM with Enhanced Local Constraints and Computable Prior [22.948360879064758]
LCP-Fusionは、局所的な制約が強化され、計算可能な事前計算が可能な、神経暗黙のSLAMシステムである。
提案手法は,既存のRGB-D暗黙SLAMよりも高精度な局所化精度と再構成整合性を実現する。
論文 参考訳（メタデータ） (2024-11-06T02:05:44Z) - Adapt CLIP as Aggregation Instructor for Image Dehazing [17.29370328189668]
ほとんどの脱ヘイジング法は、限られた受容領域に悩まされており、視覚言語モデルにカプセル化される前の豊かな意味を探索しない。
先駆的なハイブリッドフレームワークであるCLIPHazeを紹介し、Mambaの効率的なグローバルモデリングとCLIPの事前知識とゼロショット機能とを相乗化する。
並列状態空間モデルとウィンドウベースの自己アテンションを用いて,グローバルな文脈依存性と局所的な微粒化知覚を得る。
論文 参考訳（メタデータ） (2024-08-22T11:51:50Z) - Geometry-aware Reconstruction and Fusion-refined Rendering for Generalizable Neural Radiance Fields [18.474371929572918]
Generalizable NeRFは、目に見えないシーンのための新しいビューを合成することを目的としている。
我々は、一貫したピクセル対の寄与を増幅するために、適応コスト集約(ACA)アプローチを導入する。
既存の2つのデコード戦略が相補的な異なる領域で優れていることを観察する。
論文 参考訳（メタデータ） (2024-04-26T16:46:28Z) - Constrained 6-DoF Grasp Generation on Complex Shapes for Improved Dual-Arm Manipulation [11.048436789482189]
本研究では,任意のジオメトリを持つオブジェクトに一般化した拡散に基づくグリップ生成モデルであるConstrained Grasp Diffusion Fieldsを提案する。
本手法は,複雑なオブジェクトに対して安定なグリップを生成するために一般化できることを示し,特にデュアルアーム操作設定に有用である。
論文 参考訳（メタデータ） (2024-04-06T14:28:01Z) - Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein [56.62376364594194]
教師なし学習は、潜在的に大きな高次元データセットの基盤構造を捉えることを目的としている。
本研究では、最適輸送のレンズの下でこれらのアプローチを再検討し、Gromov-Wasserstein問題と関係を示す。
これにより、分散還元と呼ばれる新しい一般的なフレームワークが公開され、DRとクラスタリングを特別なケースとして回復し、単一の最適化問題内でそれらに共同で対処することができる。
論文 参考訳（メタデータ） (2024-02-03T19:00:19Z) - Dynamic Hyperbolic Attention Network for Fine Hand-object Reconstruction [76.5549647815413]
ハイパボリック空間,すなわち動的ハイパボリック注意ネットワーク(DHANet)における最初の正確な手オブジェクト再構成手法を提案する。
本手法は,マルチモーダル情報によりメッシュ特性を学習し,手動物体の相互作用をより良くモデル化する。
論文 参考訳（メタデータ） (2023-09-06T13:00:10Z) - ReCLIP: A Strong Zero-Shot Baseline for Referring Expression
Comprehension [114.85628613911713]
大規模事前学習モデルは領域間の画像分類に有用である。
ReCLIPは単純だが強力なゼロショットベースラインであり、ReCのための最先端の大規模モデルであるCLIPを再利用する。
論文 参考訳（メタデータ） (2022-04-12T17:55:38Z) - SO-SLAM: Semantic Object SLAM with Scale Proportional and Symmetrical
Texture Constraints [9.694083816665525]
本稿では,オブジェクト空間制約の導入に対処する新しいモノクラーセマンティックオブジェクトSLAM(SO-SLAM)を提案する。
我々は,公開データセットと著者が記録した移動ロボットデータセット上で,アルゴリズムの性能を検証した。
論文 参考訳（メタデータ） (2021-09-10T13:55:37Z) - Cogradient Descent for Bilinear Optimization [124.45816011848096]
双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。
一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。
本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
論文 参考訳（メタデータ） (2020-06-16T13:41:54Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2020-06-15T09:15:54Z)
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。