論文の概要: Fast and Robust Rotation Averaging with Anisotropic Coordinate Descent

• arxiv url: http://arxiv.org/abs/2506.01940v1
• Date: Mon, 02 Jun 2025 17:55:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.696089
• Title: Fast and Robust Rotation Averaging with Anisotropic Coordinate Descent
• Title（参考訳）: 異方性コーディネート染料を用いた高速・ロバスト回転平均化
• Authors: Yaroslava Lochman, Carl Olsson, Christopher Zach,
• Abstract要約: 我々は、異方性回転平均化の最適性、堅牢性、効率のギャップを埋める。 提案アルゴリズムは,移動データセットの公開構造上での最先端性能を実現する。
• 参考スコア（独自算出の注目度）: 17.610655327747246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anisotropic rotation averaging has recently been explored as a natural extension of respective isotropic methods. In the anisotropic formulation, uncertainties of the estimated relative rotations -- obtained via standard two-view optimization -- are propagated to the optimization of absolute rotations. The resulting semidefinite relaxations are able to recover global minima but scale poorly with the problem size. Local methods are fast and also admit robust estimation but are sensitive to initialization. They usually employ minimum spanning trees and therefore suffer from drift accumulation and can get trapped in poor local minima. In this paper, we attempt to bridge the gap between optimality, robustness and efficiency of anisotropic rotation averaging. We analyze a family of block coordinate descent methods initially proposed to optimize the standard chordal distances, and derive a much simpler formulation and an anisotropic extension obtaining a fast general solver. We integrate this solver into the extended anisotropic large-scale robust rotation averaging pipeline. The resulting algorithm achieves state-of-the-art performance on public structure-from-motion datasets. Project page: https://ylochman.github.io/acd
• Abstract（参考訳）: 異方性回転平均化は、最近、それぞれの等方性法の自然な拡張として研究されている。 異方性定式化では、推定相対回転の不確かさ(標準2視点最適化によって得られる)は絶対回転の最適化に伝播する。 結果として生じる半一定の緩和は、大域的なミニマを回復することができるが、問題の大きさに乏しくスケールする。 局所的な手法は高速であり、頑健な推定も可能であるが、初期化に敏感である。 通常、最小限の伐採木を用いるため、漂流の蓄積に悩まされ、貧しい地元のミニマに閉じ込められる。 本稿では, 異方性回転平均化の最適性, 堅牢性, 効率のギャップを埋めようとしている。 そこで本研究では,標準弦間距離を最適化するために当初提案されたブロック座標導出法群を解析し,より単純な定式化と高速一般解法を得る異方性拡張を導出する。 我々はこの解法を拡張異方性大規模ロバスト回転平均化パイプラインに統合する。 得られたアルゴリズムは、公開構造から移動データセット上での最先端のパフォーマンスを達成する。 プロジェクトページ: https://ylochman.github.io/acd

関連論文リスト

• A Sample Efficient Alternating Minimization-based Algorithm For Robust Phase Retrieval [56.67706781191521]
  そこで本研究では,未知の信号の復元を課題とする,ロバストな位相探索問題を提案する。 提案するオラクルは、単純な勾配ステップと外れ値を用いて、計算学的スペクトル降下を回避している。
  論文  参考訳（メタデータ） (2024-09-07T06:37:23Z)
• 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)
• Rotation Averaging in a Split Second: A Primal-Dual Method and a Closed-Form for Cycle Graphs [2.1423963702744597]
  幾何再構成平均化の土台は絶対回転の集合を求め、それらの間の測定された相対配向の集合を最適に説明する。 提案手法は精度と性能の両面で有意な向上を実現している。
  論文  参考訳（メタデータ） (2021-09-16T15:22:28Z)
• Rotation Coordinate Descent for Fast Globally Optimal Rotation Averaging [47.3713707521106]
  回転座標降下 (RCD) と呼ばれる世界最適性を実現する高速アルゴリズムを提案する。 半定値行列を行ごと更新することでSDPを解くブロック座標降下(BCD)とは異なり、RCDは繰り返しを通して全ての有効な回転を直接維持・更新する。 我々は数学的にアルゴリズムの収束を証明し、最先端のグローバル手法よりも優れた効率を示す。
  論文  参考訳（メタデータ） (2021-03-15T11:31:34Z)
• Sparse Representations of Positive Functions via First and Second-Order Pseudo-Mirror Descent [15.340540198612823]
  推定器の範囲が非負である必要がある場合、予測されるリスク問題を考察する。 Emphpseudo-gradientsを用いた近似ミラーの1階および2階の変種を開発した。 実験は、実際に不均一なプロセス強度推定に好適な性能を示す。
  論文  参考訳（メタデータ） (2020-11-13T21:54:28Z)
• Shonan Rotation Averaging: Global Optimality by Surfing $SO(p)^n$ [26.686173666277725]
  焼南回転平均化は, 測定ノイズの軽度な仮定の下で, 世界規模で最適解を復元することが保証される。 そこで本手法では, 回転平均化問題の最適解を導出するために半定緩和法を用いる。
  論文  参考訳（メタデータ） (2020-08-06T16:08:23Z)
• Support recovery and sup-norm convergence rates for sparse pivotal estimation [79.13844065776928]
  高次元スパース回帰では、ピボット推定器は最適な正規化パラメータがノイズレベルに依存しない推定器である。 非滑らかで滑らかな単一タスクとマルチタスク正方形ラッソ型推定器に対するミニマックス超ノルム収束率を示す。
  論文  参考訳（メタデータ） (2020-01-15T16:11:04Z)

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。