論文の概要: FMAC: a Fair Fiducial Marker Accuracy Comparison Software

• arxiv url: http://arxiv.org/abs/2601.07723v1
• Date: Mon, 12 Jan 2026 16:55:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.674016
• Title: FMAC: a Fair Fiducial Marker Accuracy Comparison Software
• Title（参考訳）: FMAC: 公正なフィデューシャルマーカーの精度比較ソフトウェア
• Authors: Guillaume J. Laurent, Patrick Sandoz,
• Abstract要約: 本稿では,画像マーカーを用いたポーズ推定の精度を公平に比較する手法を提案する。 空間の低差分サンプリングにより、36組の組合せをプロットすることで、各自由度とポーズエラーの相関関係を確認することができる。 画像は、任意のカメラの標準校正係数を直接使用するために特別に開発された物理ベースのレイトレーシングコードを用いてレンダリングされる。
• 参考スコア（独自算出の注目度）: 1.5290486859620438
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a method for carrying fair comparisons of the accuracy of pose estimation using fiducial markers. These comparisons rely on large sets of high-fidelity synthetic images enabling deep exploration of the 6 degrees of freedom. A low-discrepancy sampling of the space allows to check the correlations between each degree of freedom and the pose errors by plotting the 36 pairs of combinations. The images are rendered using a physically based ray tracing code that has been specifically developed to use the standard calibration coefficients of any camera directly. The software reproduces image distortions, defocus and diffraction blur. Furthermore, sub-pixel sampling is applied to sharp edges to enhance the fidelity of the rendered image. After introducing the rendering algorithm and its experimental validation, the paper proposes a method for evaluating the pose accuracy. This method is applied to well-known markers, revealing their strengths and weaknesses for pose estimation. The code is open source and available on GitHub.
• Abstract（参考訳）: 本稿では,図形マーカーを用いたポーズ推定の精度を公平に比較する手法を提案する。 これらの比較は、6自由度を深く探究できる高忠実度合成画像の集合に依存している。 空間の低差分サンプリングにより、36組の組合せをプロットすることで、各自由度とポーズエラーの相関関係を確認することができる。 画像は、任意のカメラの標準校正係数を直接使用するために特別に開発された物理ベースのレイトレーシングコードを用いてレンダリングされる。 ソフトウェアは、画像歪み、デフォーカス、回折ぼかしを再現する。 さらに、シャープエッジにサブピクセルサンプリングを適用してレンダリング画像の忠実度を高める。 レンダリングアルゴリズムとその実験的検証を導入した後、ポーズ精度を評価する方法を提案する。 この手法はよく知られたマーカーに適用され、ポーズ推定の長所と短所を明らかにする。 コードはオープンソースで、GitHubから入手できる。

関連論文リスト

• Theoretically Grounded Framework for LLM Watermarking: A Distribution-Adaptive Approach [53.32564762183639]
  大規模言語モデル(LLM)の透かしのための新しい統一的理論フレームワークを導入する。 本研究の目的は,最悪の偽陽性率(FPR)の制御とテキスト品質の歪みを維持しつつ,検出性能を最大化することである。 モデル非依存と効率性に代えて代理モデルを利用する歪みのない分散適応型透かしアルゴリズム(DAWA)を提案する。
  論文  参考訳（メタデータ） (2024-10-03T18:28:10Z)
• Single-image camera calibration with model-free distortion correction [0.0]
  本稿では,センサ全体をカバーする平面スペックルパターンの単一画像から,キャリブレーションパラメータの完全な集合を推定する方法を提案する。 デジタル画像相関を用いて校正対象の画像点と物理点との対応を求める。 プロシージャの最後には、画像全体にわたって、密度が高く均一なモデルフリーな歪みマップが得られる。
  論文  参考訳（メタデータ） (2024-03-02T16:51:35Z)
• Quantity-Aware Coarse-to-Fine Correspondence for Image-to-Point Cloud Registration [4.954184310509112]
  Image-to-point cloud registrationは、RGBイメージと参照ポイントクラウドの間の相対カメラのポーズを決定することを目的としている。 個々の点と画素とのマッチングは、モダリティギャップによって本質的に曖昧である。 本稿では,局所点集合と画素パッチ間の量認識対応を捉える枠組みを提案する。
  論文  参考訳（メタデータ） (2023-07-14T03:55:54Z)
• The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector [70.43599299422813]
  既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。 多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。 UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-03-21T13:14:36Z)
• Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
  微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。 そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
  論文  参考訳（メタデータ） (2023-03-06T11:51:28Z)
• Detecting Deepfakes with Self-Blended Images [37.374772758057844]
  本稿では,深度情報を検出するために,SBI(Self-blended Image)と呼ばれる新しい合成トレーニングデータを提案する。 SBIは、単一のプリスタン画像から擬似ソースとターゲットイメージを混合して生成される。 我々は,FF++,CDF,DFD,DFDC,DFDCP,FFIWデータセットの最先端手法との比較を行った。
  論文  参考訳（メタデータ） (2022-04-18T15:44:35Z)
• Towards Smart Monitored AM: Open Source in-Situ Layer-wise 3D Printing Image Anomaly Detection Using Histograms of Oriented Gradients and a Physics-Based Rendering Engine [0.0]
  本研究では,物理レンダリングエンジンであるBlenderで生成した理想的なプロセスのG符号による参照画像と静止単眼カメラからのプリント層画像を比較し,3次元印刷異常を検出するオープンソース手法を提案する。 局所画像領域の向き勾配(HOG)のヒストグラムの類似性を解析することにより,視覚偏差の認識を実現した。 本手法の実装は, 予備データを必要としないため, 部品の大量生産において, 同一形状の添加物あるいは減算的製造を行うことで, 最大効率を実現することができる。
  論文  参考訳（メタデータ） (2021-11-04T09:27:10Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• An Image Analogies Approach for Multi-Scale Contour Detection [4.974890682815778]
  クエリ画像の輪郭を参照(例:アナログ)に対して行うのと同じ方法で検出する新しい方法を提案する。 数学的な研究から導かれた14個のステレオパッチは、光条件とは無関係に輪郭を異なるスケールで見つけるために用いられる知識である。
  論文  参考訳（メタデータ） (2020-07-21T19:14:18Z)
• High-Resolution Image Inpainting with Iterative Confidence Feedback and Guided Upsampling [122.06593036862611]
  既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。 本稿では,フィードバック機構を備えた反復インペイント手法を提案する。 実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-05-24T13:23:45Z)

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。