論文の概要: Are Minimal Radial Distortion Solvers Really Necessary for Relative Pose Estimation?

• arxiv url: http://arxiv.org/abs/2505.00866v1
• Date: Thu, 01 May 2025 21:16:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:19.83321
• Title: Are Minimal Radial Distortion Solvers Really Necessary for Relative Pose Estimation?
• Title（参考訳）: 最小半径歪解法は相対関数推定に本当に必要か?
• Authors: Viktor Kocur, Charalambos Tzamos, Yaqing Ding, Zuzana Berger Haladova, Torsten Sattler, Zuzana Kukelova,
• Abstract要約: 本稿では、最小の半径歪み解法を使用しない2つの単純-実装アプローチとラジアル歪み解法を比較する。 第一のアプローチは、効率的なピンホール解法と、ピンホール解法を適用する前にサンプリングされたパラメータを非歪に使用する放射状不歪パラメータを組み合わせることである。 第2のアプローチでは、最先端のニューラルネットワークを使用して、潜在的な値のセットからそれらをサンプリングするのではなく、歪みパラメータを推定する。
• 参考スコア（独自算出の注目度）: 37.36628184535322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the relative pose between two cameras is a fundamental step in many applications such as Structure-from-Motion. The common approach to relative pose estimation is to apply a minimal solver inside a RANSAC loop. Highly efficient solvers exist for pinhole cameras. Yet, (nearly) all cameras exhibit radial distortion. Not modeling radial distortion leads to (significantly) worse results. However, minimal radial distortion solvers are significantly more complex than pinhole solvers, both in terms of run-time and implementation efforts. This paper compares radial distortion solvers with two simple-to-implement approaches that do not use minimal radial distortion solvers: The first approach combines an efficient pinhole solver with sampled radial undistortion parameters, where the sampled parameters are used for undistortion prior to applying the pinhole solver. The second approach uses a state-of-the-art neural network to estimate the distortion parameters rather than sampling them from a set of potential values. Extensive experiments on multiple datasets, and different camera setups, show that complex minimal radial distortion solvers are not necessary in practice. We discuss under which conditions a simple sampling of radial undistortion parameters is preferable over calibrating cameras using a learning-based prior approach. Code and newly created benchmark for relative pose estimation under radial distortion are available at https://github.com/kocurvik/rdnet.
• Abstract（参考訳）: 2台のカメラ間の相対的なポーズを推定することは、Structure-from-Motionのような多くのアプリケーションにおける基本的なステップである。 相対ポーズ推定に対する一般的なアプローチは、RANSACループ内に最小の解法を適用することである。 ピンホールカメラには非常に効率的な解法が存在する。 しかし、(ほぼ)すべてのカメラは放射歪みを示す。 放射歪みをモデル化しないことは(顕著に)悪い結果をもたらす。 しかし、最小の半径歪み解法は、実行時間と実装の両面でピンホール解法よりもかなり複雑である。 第一のアプローチは、効率的なピンホールソルバと、サンプリングされたラジアル非歪パラメータを組み合わせることで、ピンホールソルバを適用する前に、サンプルされたパラメータを非歪に使用する。 第2のアプローチでは、最先端のニューラルネットワークを使用して、潜在的な値のセットからそれらをサンプリングするのではなく、歪みパラメータを推定する。 複数のデータセットと異なるカメラのセットアップに関する大規模な実験は、実際には複雑な最小限の半径歪解器は必要ないことを示している。 学習に基づく事前アプローチを用いて,視線不歪パラメータの簡易サンプリングがカメラの校正よりも望ましい条件について論じる。 相対ポーズ推定のためのコードと新しく作成されたベンチマークは、https://github.com/kocurvik/rdnet.orgで公開されている。

関連論文リスト

• PRaDA: Projective Radial Distortion Averaging [40.77624901787694]
  本研究では, 放射状に歪んだカメラの自動校正問題に挑戦する。 提案手法である射影放射歪平均化法は、完全に射影するフレームワークにおいて、複数の歪み推定を平均化する。
  論文  参考訳（メタデータ） (2025-04-23T08:22:59Z)
• Are Minimal Radial Distortion Solvers Necessary for Relative Pose Estimation? [39.593903427245664]
  本稿では, 効率的なピンホール解法と試料の半径歪みパラメータを組み合わせ, 簡単な実装法と放射歪み解法を比較した。 複数のデータセットとRANSACの変種に関する実験は、この単純なアプローチが最も正確な最小歪み解法よりも、同様に、あるいはより優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-08T12:30:29Z)
• How to turn your camera into a perfect pinhole model [0.38233569758620056]
  本稿では,画像からの歪みを除去する前処理ステップを含む新しいアプローチを提案する。 本手法は歪みモデルを仮定する必要がなく, 厳しい歪み画像に適用できる。 このモデルは、多くのアルゴリズムとアプリケーションの深刻なアップグレードを可能にします。
  論文  参考訳（メタデータ） (2023-09-20T13:54:29Z)
• DarSwin: Distortion Aware Radial Swin Transformer [15.110063221436155]
  広角レンズによる歪みを自動的に適応するトランスモデルを提案する。 また,DarSwinを,画素レベルのタスクに適したエンコーダデコーダアーキテクチャに拡張したDarSwin-Unetを提案する。
  論文  参考訳（メタデータ） (2023-04-19T14:32:56Z)
• An Adaptive Method for Camera Attribution under Complex Radial Distortion Corrections [77.34726150561087]
  インカメラまたはインカメラソフトウェア/アサートウェアは、PRNUベースのカメラ属性を妨げるために、画像の支持グリッドを変更する。 この問題に対処する既存のソリューションは、計算負荷を抑制するために、数変数でパラメータ化された半径変換を用いて補正を反転/推定しようとする。 本稿では,Adobe Lightroom, Photoshop, Gimp, PT-Lensといったサードパーティ製ソフトウェアが適用したような高度な補正を,同心円に分割することで実現する適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-28T08:44:00Z)
• Self-Calibrating Neural Radiance Fields [68.64327335620708]
  キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。 我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
  論文  参考訳（メタデータ） (2021-08-31T13:34:28Z)
• A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
  より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。 本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。 歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
  論文  参考訳（メタデータ） (2020-07-21T10:03:42Z)

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。