論文の概要: GravCal: Single-Image Calibration of IMU Gravity Priors with Per-Sample Confidence
- arxiv url: http://arxiv.org/abs/2603.19654v1
- Date: Fri, 20 Mar 2026 05:37:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 19:48:39.005409
- Title: GravCal: Single-Image Calibration of IMU Gravity Priors with Per-Sample Confidence
- Title（参考訳）: GravCal: IMU重力の単一画像校正
- Authors: Haichao Zhu, Qian Zhang,
- Abstract要約: 単像重力のキャリブレーション前のフィードフォワードモデルであるGravCalを提案する。
1つのRGB画像とノイズの多い重力が与えられたとき、GravCalは修正された重力方向とサンプルごとの信頼スコアを予測する。
実験では、生の慣性前駆体よりも強い利得を示す。
- 参考スコア（独自算出の注目度）: 3.1560805223896793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gravity estimation is fundamental to visual-inertial perception, augmented reality, and robotics, yet gravity priors from IMUs are often unreliable under linear acceleration, vibration, and transient motion. Existing methods often estimate gravity directly from images or assume reasonably accurate inertial input, leaving the practical problem of correcting a noisy gravity prior from a single image largely unaddressed. We present GravCal, a feedforward model for single-image gravity prior calibration. Given one RGB image and a noisy gravity prior, GravCal predicts a corrected gravity direction and a per-sample confidence score. The model combines two complementary predictions, including a residual correction of the input prior and a prior-independent image estimate, and uses a learned gate to fuse them adaptively. Extensive experiments show strong gains over raw inertial priors: GravCal reduces mean angular error from 22.02° (IMU prior) to 14.24°, with larger improvements when the prior is severely corrupted. We also introduce a novel dataset of over 148K frames with paired VIO-derived ground-truth gravity and Mahony-filter IMU priors across diverse scenes and arbitrary camera orientations. The learned gate also correlates with prior quality, making it a useful confidence signal for downstream systems.
- Abstract（参考訳）: 重力推定は視覚-慣性知覚、拡張現実、ロボット工学の基礎であるが、IMUからの重力優先は線形加速度、振動、過渡運動では信頼できないことが多い。
既存の方法では、画像から直接重力を推定したり、合理的に正確な慣性入力を仮定したりすることがよくある。
単像重力のキャリブレーション前のフィードフォワードモデルであるGravCalを提案する。
1つのRGB画像とノイズの多い重力が与えられたとき、GravCalは修正された重力方向とサンプルごとの信頼スコアを予測する。
このモデルは、入力前の残差補正と非依存画像推定を含む2つの補完的予測を組み合わせ、学習ゲートを用いてそれらを適応的に融合させる。
GravCalは平均角誤差を22.02° (IMU pre) から14.24° に減らし、前者がひどく破損した場合には改善する。
また,VO由来の地中剛体とMahony-filter IMU先行の148Kフレームの新たなデータセットを,多様なシーンと任意のカメラ配向に導入した。
学習されたゲートは、以前の品質と相関し、下流システムにとって有用な信頼性信号となる。
関連論文リスト
- Performance of Machine Learning Methods for Gravity Inversion: Successes and Challenges [0.0]
機械学習の最近の進歩は、重力反転のためのデータ駆動アプローチを動機付けている。
まず、重力異常を直接密度場にマッピングするように訓練された畳み込みニューラルネットワークを設計する。
生成モデルをさらに研究するために,変分オートエンコーダ(VAE)とGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2025-09-28T19:19:07Z) - Scene-based nonuniformity correction with homography transformation [0.0]
カメラベースの熱焦点面アレイ(UC-FPA)は、LWIR(Long-wave infrared)イメージングの用途に有用である。
農業用リモートセンシングの典型的な屋外環境では、UC-FPAをベースとしたカメラはオフセットやゲインの漂流に悩まされることがある。
オブジェクトの熱グラフィック値と、ゲインとオフセットは、数組のシフトした画像に頼って、共同で推定できることが示される。
論文 参考訳（メタデータ） (2025-03-04T10:50:58Z) - DOGE: An Extrinsic Orientation and Gyroscope Bias Estimation for Visual-Inertial Odometry Initialization [7.706396165773557]
回転補正を遅らせることなく高精度で高剛性な視覚慣性オドメトリー(VIO)法を提案する。
本手法は,競争効率を維持しつつ,精度とロバスト性の両方で最先端の手法より優れる。
論文 参考訳（メタデータ） (2024-12-11T06:44:22Z) - Gravity-aligned Rotation Averaging with Circular Regression [53.81374943525774]
我々は,重力方向をグローバルパイプラインの回転平均位相に統合する原理的アプローチを導入する。
4つの大規模データセットで最先端の精度を実現する。
論文 参考訳（メタデータ） (2024-10-16T17:37:43Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - EDI: ESKF-based Disjoint Initialization for Visual-Inertial SLAM Systems [9.937997167972743]
本稿では,高速,高精度,堅牢な視覚慣性初期化のための新しい手法を提案する。
提案手法は,3秒未満で平均5.8%の誤差を実現する。
論文 参考訳（メタデータ） (2023-08-04T19:06:58Z) - Posterior samples of source galaxies in strong gravitational lenses with
score-based priors [107.52670032376555]
我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。
アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
論文 参考訳（メタデータ） (2022-11-07T19:00:42Z) - DM-VIO: Delayed Marginalization Visual-Inertial Odometry [62.746533939737446]
本稿では,遅延残差化とポーズグラフバンドル調整に基づく視覚慣性システムDM-VIOを提案する。
我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステムの評価を行った。
論文 参考訳（メタデータ） (2022-01-11T18:30:37Z) - Robust 360-8PA: Redesigning The Normalized 8-point Algorithm for 360-FoV
Images [53.11097060367591]
球面投影における360-fov画像から本質行列を推定する新しい手法を提案する。
我々の正規化は、時間を大幅に上回ることなく、カメラの精度を約20%向上させることができることを示す。
論文 参考訳（メタデータ） (2021-04-22T07:23:11Z) - Globally Optimal Relative Pose Estimation with Gravity Prior [63.74377065002315]
例えば、車やUAVで使われるスマートフォン、タブレット、カメラシステムは、通常は重力ベクトルを正確に測定できるIMUを備えている。
我々は,最小二乗の意味での代数的誤差を最小限に抑え,過度に決定されたポーズにおける相対的なポーズを推定する,新しいグローバル最適解法を提案する。
提案した解法は、約50万枚の画像対を持つ4つの実世界のデータセットの最先端の解法と比較される。
論文 参考訳（メタデータ） (2020-12-01T13:09:59Z) - Online Initialization and Extrinsic Spatial-Temporal Calibration for
Monocular Visual-Inertial Odometry [19.955414423860788]
本稿では,最適化に基づく単眼的視覚慣性眼球運動計測(VIO)のオンラインブートストラップ法を提案する。
この方法は、カメラとIMU間の相対変換(空間)と時間オフセット(時間)をオンラインに校正し、計量スケール、速度、重力、ジャイロスコープバイアス、加速度計バイアスを推定することができる。
公開データセットにおける実験結果から,初期値とパラメータ,およびセンサのポーズが,提案手法により正確に推定できることが示唆された。
論文 参考訳（メタデータ） (2020-04-12T03:13:08Z)
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。