論文の概要: TurboReg: TurboClique for Robust and Efficient Point Cloud Registration
- arxiv url: http://arxiv.org/abs/2507.01439v1
- Date: Wed, 02 Jul 2025 07:50:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:23:00.089923
- Title: TurboReg: TurboClique for Robust and Efficient Point Cloud Registration
- Title（参考訳）: TurboReg: ロバストで効率的なポイントクラウド登録のためのTurboClique
- Authors: Shaocheng Yan, Pengcheng Shi, Zhenjun Zhao, Kaixin Wang, Kuang Cao, Ji Wu, Jiayuan Li,
- Abstract要約: TurboRegは、新しい軽量cliqueであるTurboCliqueと、高度に並列化可能なPivot-Guided Search (PGS)アルゴリズムに基づいて構築されている。
実験によると、TurboRegは複数の実世界のデータセットで最先端のパフォーマンスを実現する。
- 参考スコア（独自算出の注目度）: 13.793023246079418
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robust estimation is essential in correspondence-based Point Cloud Registration (PCR). Existing methods using maximal clique search in compatibility graphs achieve high recall but suffer from exponential time complexity, limiting their use in time-sensitive applications. To address this challenge, we propose a fast and robust estimator, TurboReg, built upon a novel lightweight clique, TurboClique, and a highly parallelizable Pivot-Guided Search (PGS) algorithm. First, we define the TurboClique as a 3-clique within a highly-constrained compatibility graph. The lightweight nature of the 3-clique allows for efficient parallel searching, and the highly-constrained compatibility graph ensures robust spatial consistency for stable transformation estimation. Next, PGS selects matching pairs with high SC$^2$ scores as pivots, effectively guiding the search toward TurboCliques with higher inlier ratios. Moreover, the PGS algorithm has linear time complexity and is significantly more efficient than the maximal clique search with exponential time complexity. Extensive experiments show that TurboReg achieves state-of-the-art performance across multiple real-world datasets, with substantial speed improvements. For example, on the 3DMatch+FCGF dataset, TurboReg (1K) operates $208.22\times$ faster than 3DMAC while also achieving higher recall. Our code is accessible at \href{https://github.com/Laka-3DV/TurboReg}{\texttt{TurboReg}}.
- Abstract（参考訳）: 対応ベースのPoint Cloud Registration (PCR) にはロバスト推定が不可欠である。
互換性グラフにおける最大傾き探索を用いた既存の手法は、高いリコールを実現するが、指数時間複雑性に悩まされ、時間に敏感なアプリケーションでの使用が制限される。
そこで本研究では, 高速で堅牢な推定器であるTurboRegを提案し, 並列化可能なPivot-Guided Search (PGS)アルゴリズムを提案する。
まず,TurboCliqueを高度に制約された互換性グラフ内の3つの傾きと定義する。
3軸の軽量な性質は効率的な並列探索を可能にし、高度に制約された整合性グラフは安定な変換推定のための堅牢な空間整合性を保証する。
次に、PSGは高いSC$^2$スコアのマッチングペアをピボットとして選択し、より高次比のTurboCliquesへの探索を効果的に導く。
さらに、PGSアルゴリズムは線形時間複雑性を持ち、指数時間複雑性を持つ最大傾き探索よりもはるかに効率的である。
大規模な実験により、TurboRegは複数の実世界のデータセットにまたがって最先端のパフォーマンスを実現し、大幅なスピード向上を実現している。
例えば、3DMatch+FCGFデータセットでは、TurboReg (1K)は3DMACよりも208.22\times$速く動作し、リコールも高い。
私たちのコードは、 \href{https://github.com/Laka-3DV/TurboReg}{\textt{TurboReg}}でアクセスできます。
関連論文リスト
- FastCar: Cache Attentive Replay for Fast Auto-Regressive Video Generation on the Edge [60.000984252907195]
自動回帰(AR)モデルは、サンプリング効率が優れているため、近年、視覚生成タスクにおいて有望であることが示されている。
ビデオ生成は、コヒーレントな時間フレームを生成するために、かなり多くのトークンを必要とする。
我々は,時間的冗長性を探究して,ARビデオ生成のデコードフェーズを高速化する textbfFastCar フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-17T05:00:39Z) - WARP: An Efficient Engine for Multi-Vector Retrieval [42.128201454569165]
WARPは、XTR目標で訓練された検索者の効率を大幅に改善する検索エンジンである。
本システムでは,XTRの参照実装を41倍に削減し,ColBERTv2/PLAIDエンジンの3倍の高速化を実現している。
論文 参考訳（メタデータ） (2025-01-29T17:26:47Z) - Similarity search in the blink of an eye with compressed indices [3.39271933237479]
グラフベースのインデックスは現在、数十億の類似性検索において、最高のパフォーマンス技術である。
より高速でより小さなグラフベースのインデックスを作成するための新しい手法とシステムを提案する。
論文 参考訳（メタデータ） (2023-04-07T23:10:39Z) - Online Continuous Hyperparameter Optimization for Generalized Linear Contextual Bandits [55.03293214439741]
文脈的包帯では、エージェントは過去の経験に基づいた時間依存アクションセットから順次アクションを行う。
そこで本稿では,文脈的包帯のためのオンライン連続型ハイパーパラメータチューニングフレームワークを提案する。
理論上はサブ線形の後悔を達成でき、合成データと実データの両方において既存のすべての手法よりも一貫して優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2023-02-18T23:31:20Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。
実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。
本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-07-13T02:44:05Z) - Discrete Morse Sandwich: Fast Computation of Persistence Diagrams for
Scalar Data -- An Algorithm and A Benchmark [8.648433479399857]
本稿では,d-次元単純複素数 K 上で定義される入力片方向線形スカラー場 f を与えられた永続図計算の効率的なアルゴリズムを提案する。
我々はこのアルゴリズムを離散モース理論の設定内で表現し、考慮すべき入力単純さの数を著しく削減する。
また、この問題に対して「サンドウィッチ」と呼ばれる階層化アプローチを導入する。
論文 参考訳（メタデータ） (2022-06-27T10:54:24Z) - Efficient Linear Attention for Fast and Accurate Keypoint Matching [0.9699586426043882]
近年、トランスフォーマーはスパースマッチングにおける最先端の性能を提供し、高性能な3Dビジョンアプリケーションの実現に不可欠である。
しかし、これらの変換器は、注意機構の2次計算の複雑さのために効率を欠いている。
本稿では,グローバル情報とローカル情報の両方をスパースキーポイントから集約することで,高精度なアグリゲーションを実現する。
論文 参考訳（メタデータ） (2022-04-16T06:17:36Z)
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。