論文の概要: ProBA: Probabilistic Bundle Adjustment with the Bhattacharyya Coefficient

• arxiv url: http://arxiv.org/abs/2505.20858v1
• Date: Tue, 27 May 2025 08:07:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.495088
• Title: ProBA: Probabilistic Bundle Adjustment with the Bhattacharyya Coefficient
• Title（参考訳）: ProBA: Bhattacharyya係数による確率的バンドル調整
• Authors: Jason Chui, Daniel Cremers,
• Abstract要約: ProBAは2次元観察と3次元シーン構造における不確実性を明示的にモデル化し、伝播する。 我々の手法は点のようなランドマークの代わりに3Dガウス的を用いる。 ProBAは、非構造化環境でデプロイされたSLAMシステムの実用性を高める。
• 参考スコア（独自算出の注目度）: 43.75661586211106
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classical Bundle Adjustment (BA) methods require accurate initial estimates for convergence and typically assume known camera intrinsics, which limits their applicability when such information is uncertain or unavailable. We propose a novel probabilistic formulation of BA (ProBA) that explicitly models and propagates uncertainty in both the 2D observations and the 3D scene structure, enabling optimization without any prior knowledge of camera poses or focal length. Our method uses 3D Gaussians instead of point-like landmarks and we introduce uncertainty-aware reprojection losses by projecting the 3D Gaussians onto the 2D image space, and enforce geometric consistency across multiple 3D Gaussians using the Bhattacharyya coefficient to encourage overlap between their corresponding Gaussian distributions. This probabilistic framework leads to more robust and reliable optimization, even in the presence of outliers in the correspondence set, reducing the likelihood of converging to poor local minima. Experimental results show that \textit{ProBA} outperforms traditional methods in challenging real-world conditions. By removing the need for strong initialization and known intrinsics, ProBA enhances the practicality of SLAM systems deployed in unstructured environments.
• Abstract（参考訳）: 古典的バンドル調整法(BA)は収束の正確な初期推定を必要とし、通常、既知のカメラの内在性を仮定する。 本稿では,2次元観察と3次元シーン構造の両方における不確実性を明示的にモデル化し,伝播するBA(ProBA)の確率的定式化を提案し,カメラポーズや焦点距離の事前知識のない最適化を可能にする。 提案手法は点状ランドマークの代わりに3次元ガウスアンを用い, 3次元ガウスアンを2次元画像空間に投影することにより不確実性を考慮した再射損失を導入し, Bhattacharyya係数を用いて複数のガウスアンに幾何的整合性を適用して対応するガウス分布の重なりを促進させる。 この確率的枠組みは、通信セットに外れ値が存在する場合でも、より堅牢で信頼性の高い最適化をもたらし、局所最小値に収束する可能性を減らす。 実験結果から,‘textit{ProBA} は実世界の環境に挑戦する従来の手法よりも優れていた。 ProBAは、強力な初期化と既知の内在性の必要性を取り除くことにより、非構造化環境にデプロイされたSLAMシステムの実用性を高める。

関連論文リスト

• Uncertainty-Aware Normal-Guided Gaussian Splatting for Surface Reconstruction from Sparse Image Sequences [21.120659841877508]
  3D Gaussian Splatting (3DGS)は、新規なビュー合成において印象的なレンダリング性能を達成した。 3DGSパイプライン内の幾何的不確かさを定量化するために,不確かさを意識した正規誘導型ガウス格子(UNG-GS)を提案する。 UNG-GSはスパース配列と高密度シーケンスの両方で最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-03-14T08:18:12Z)
• TSGaussian: Semantic and Depth-Guided Target-Specific Gaussian Splatting from Sparse Views [18.050257821756148]
  TSGaussianは、新しいビュー合成タスクにおける幾何学的劣化を避けるために、意味的制約と深さ事前の制約を組み合わせる新しいフレームワークである。 提案手法は,バックグラウンドアロケーションを最小化しながら,指定された目標に対する計算資源の優先順位付けを行う。 大規模な実験により、TSGaussianは3つの標準データセット上で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） (2024-12-13T11:26:38Z)
• GaussianFormer-2: Probabilistic Gaussian Superposition for Efficient 3D Occupancy Prediction [55.60972844777044]
  3Dセマンティック占有予測は、堅牢な視覚中心の自律運転において重要な課題である。 既存のほとんどの手法は、密度の高いグリッドベースのシーン表現を利用しており、運転シーンの空間的空間性を見渡している。 本稿では,各ガウス分布をその周辺領域の確率分布として解釈する確率論的ガウス重ね合わせモデルを提案する。
  論文  参考訳（メタデータ） (2024-12-05T17:59:58Z)
• No Pose, No Problem: Surprisingly Simple 3D Gaussian Splats from Sparse Unposed Images [100.80376573969045]
  NoPoSplatは、多視点画像から3Dガウスアンによってパラメータ化された3Dシーンを再構成できるフィードフォワードモデルである。 提案手法は,推定時にリアルタイムな3次元ガウス再構成を実現する。 この研究は、ポーズフリーの一般化可能な3次元再構成において大きな進歩をもたらし、実世界のシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:58:22Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)

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。