論文の概要: Accelerating SfM-based Pose Estimation with Dominating Set

• arxiv url: http://arxiv.org/abs/2506.03667v1
• Date: Wed, 04 Jun 2025 07:56:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.213819
• Title: Accelerating SfM-based Pose Estimation with Dominating Set
• Title（参考訳）: 支配集合によるSfMに基づくポース推定の高速化
• Authors: Joji Joseph, Bharadwaj Amrutur, Shalabh Bhatnagar,
• Abstract要約: 本稿では,Structure-from-Motionに基づくポーズ推定を高速化する前処理手法を提案する。 拡張現実(AR)、バーチャルリアリティ(VR)、ロボット工学といったリアルタイムアプリケーションには欠かせない。
• 参考スコア（独自算出の注目度）: 6.647959476396794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a preprocessing technique to speed up Structure-from-Motion (SfM) based pose estimation, which is critical for real-time applications like augmented reality (AR), virtual reality (VR), and robotics. Our method leverages the concept of a dominating set from graph theory to preprocess SfM models, significantly enhancing the speed of the pose estimation process without losing significant accuracy. Using the OnePose dataset, we evaluated our method across various SfM-based pose estimation techniques. The results demonstrate substantial improvements in processing speed, ranging from 1.5 to 14.48 times, and a reduction in reference images and point cloud size by factors of 17-23 and 2.27-4, respectively. This work offers a promising solution for efficient and accurate 3D pose estimation, balancing speed and accuracy in real-time applications.
• Abstract（参考訳）: 本稿では、拡張現実(AR)、仮想現実(VR)、ロボット工学などのリアルタイムアプリケーションにおいて重要な、Structure-from-Motion(SfM)ベースのポーズ推定を高速化する前処理手法を提案する。 提案手法は,グラフ理論から前処理SfMモデルへの支配集合の概念を活用し,ポーズ推定プロセスの速度を大幅に向上する。 OnePoseデータセットを用いて、さまざまなSfMベースのポーズ推定手法を用いて、提案手法の評価を行った。 その結果、処理速度は1.5倍から14.48倍に向上し、基準画像と点雲サイズはそれぞれ17-23倍と2.27-4倍に減少した。 この研究は、リアルタイムアプリケーションにおける効率的で正確な3Dポーズ推定、速度と精度のバランスをとるための有望なソリューションを提供する。

関連論文リスト

• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• RTMO: Towards High-Performance One-Stage Real-Time Multi-Person Pose Estimation [46.659592045271125]
  RTMOは座標分類をシームレスに統合する一段階のポーズ推定フレームワークである。 高速を維持しながらトップダウン手法に匹敵する精度を達成する。 私たちの最大のモデルであるRTMO-lは、COCO val 2017で74.8%AP、1つのV100 GPUで141FPSを実現しています。
  論文  参考訳（メタデータ） (2023-12-12T18:55:29Z)
• Denoising Diffusion for 3D Hand Pose Estimation from Images [38.20064386142944]
  本稿では,モノクロ画像やシーケンスからの3次元手ポーズ推定の問題に対処する。 本稿では,3次元ハンドレグレッションのための新しいエンド・ツー・エンド・エンド・フレームワークを提案する。 提案モデルは,2次元の片手画像を3Dに持ち上げる際に,最先端の性能を提供する。
  論文  参考訳（メタデータ） (2023-08-18T12:57:22Z)
• Lightweight Estimation of Hand Mesh and Biomechanically Feasible Kinematic Parameters [9.477719717840683]
  画像から手メッシュを効率的に推定するために,従来提案していた画像-画像-画像間アプローチの効率的なバリエーションを提案する。 Inverted kinematic (IK) network to convert the estimated hand mesh to a biomechanically feasible set of joint rotation parameters。 我々のLite I2L Mesh Netは、計算複雑性全体の13%以下で最先端の関節およびメッシュ推定精度を達成する。
  論文  参考訳（メタデータ） (2023-03-26T22:24:12Z)
• DeepRM: Deep Recurrent Matching for 6D Pose Refinement [77.34726150561087]
  DeepRMは、6Dポーズ改善のための新しいリカレントネットワークアーキテクチャである。 アーキテクチャにはLSTMユニットが組み込まれ、各改善ステップを通じて情報を伝達する。 DeepRMは、2つの広く受け入れられている課題データセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-28T16:18:08Z)
• RNNPose: Recurrent 6-DoF Object Pose Refinement with Robust Correspondence Field Estimation and Pose Optimization [46.144194562841435]
  本稿では、オブジェクトポーズ改善のためのリカレントニューラルネットワーク(RNN)に基づくフレームワークを提案する。 この問題は、推定対応フィールドに基づいて非線形最小二乗問題として定式化される。 各イテレーションにおいて、対応フィールド推定とポーズ精錬を代替して行い、正確なオブジェクトポーズを復元する。
  論文  参考訳（メタデータ） (2022-03-24T06:24:55Z)
• DiffPoseNet: Direct Differentiable Camera Pose Estimation [11.941057800943653]
  我々は,強靭かつ直接的な制約を強制するために,正規フロー推定のためのネットワークNFlowNetを導入する。 我々は,提案したDiffPoseNetの雑音に対する感度とデータセット間の一般化について,定性的かつ定量的に評価する。
  論文  参考訳（メタデータ） (2022-03-21T17:54:30Z)
• Camera Distortion-aware 3D Human Pose Estimation in Video with Optimization-based Meta-Learning [23.200130129530653]
  歪みのないデータセットでトレーニングされた既存の3次元ポーズ推定アルゴリズムは、特定のカメラ歪みのある新しいシナリオに適用した場合、パフォーマンス低下を被る。 本研究では, 歪み環境に迅速に適応できる簡易かつ効果的な3次元ポーズ推定モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-30T01:35:04Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)

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。