論文の概要: Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection

• arxiv url: http://arxiv.org/abs/2605.04541v2
• Date: Mon, 11 May 2026 15:08:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 19:24:01.246401
• Title: Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection
• Title（参考訳）: アングル-I2P: 異方性外乱除去のためのアングル-コンスタント-アウェア階層的注意
• Authors: Muyao Peng, Shun Zou, Pei An, You Yang, Qiong Liu,
• Abstract要約: イメージ・ツー・ポイント・クラウド・レジストレーション(I2P)は、操作、グラッピング、ローカライゼーションといったロボットアプリケーションにおける基本的なタスクである。 本稿では,アングル-I2Pを提案する。アングル-I2Pは,アングル-一貫性のある幾何学的制約と階層的注意を生かした外乱リジェクションネットワークである。 提案手法は、7Scenes, RGBD Scenes V2, and a self-collected data。
• 参考スコア（独自算出の注目度）: 20.302748104301525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image-to-point-cloud registration (I2P) is a fundamental task in robotic applications such as manipulation,grasping, and localization. Existing deep learning-based I2P methods seek to align image and point cloud features in a learned representation space to establish correspondences, and have achieved promising results. However, when the inlier ratio of the initial matching pairs is low, conventional Perspective-n-Points (PnP) methods may struggle to achieve accurate results. To address this limitation, we propose Angle-I2P, an outlier rejection network that leverages angle-consistent geometric constraints and hierarchical attention. First, we design a scale-invariant, crossmodality geometric constraint based on angular consistency. This explicit geometric constraint guides the model in distinguishing inliers from outliers. Furthermore, we propose a global-tolocal hierarchical attention mechanism that effectively filters out geometrically inconsistent matches under rigid transformation, thereby improving the Inlier Ratio (IR) and Registration Recall (RR). Experimental results demonstrate that our method achieves state-of-the-art performance on the 7Scenes, RGBD Scenes V2, and a self-collected dataset, with consistent improvements across all benchmarks.
• Abstract（参考訳）: イメージ・ツー・ポイント・クラウド・レジストレーション(I2P)は、操作、グラッピング、ローカライゼーションといったロボットアプリケーションにおける基本的なタスクである。 既存のディープラーニングベースのI2P手法では、学習した表現空間における画像と点の雲の特徴を整列させて対応性を確立し、有望な結果を得た。 しかしながら、初期マッチングペアのイリアー比が低い場合、従来のパースペクティブ-n-Points (PnP) 法は正確な結果を得るのに苦労する。 この制限に対処するために,アングルI2Pを提案する。 まず、角の整合性に基づくスケール不変な幾何的制約を設計する。 この明示的な幾何学的制約は、不リエと外れ値の区別においてモデルを導く。 さらに,厳密な変換の下での幾何的不整合を効果的にフィルタリングし,不整合率(IR)とレジストレーション・リコール(RR)を改善するグローバル・ローカルな階層的アテンション機構を提案する。 実験により,本手法はRGBD Scenes V2,RGBD Scenes V2,RGBD Scenes V2,RGBD Scenes V2,RGBD Scenes V2,および自己コンパイル型データセット上での最先端性能を実現し,全てのベンチマークにおいて一貫した改善が得られた。

関連論文リスト

• Registration is a Powerful Rotation-Invariance Learner for 3D Anomaly Detection [64.0168648353038]
  ポイントクラウドデータにおける3次元異常検出は、高い信頼性で構造欠陥を特定することを目的として、産業品質管理に不可欠である。 現在のメモリバンクベースの手法は、しばしば一貫性のない特徴変換と限定的な識別能力に悩まされる。 本稿では、ポイントクラウド登録とメモリベース異常検出の目的を統合した、登録による回転不変の特徴抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-19T14:56:38Z)
• Linear Relative Pose Estimation Founded on Pose-only Imaging Geometry [18.270330814061325]
  本稿では,n$(n geq 6$)点対に対する線形相対ポーズ推定アルゴリズムを提案する。 これは最近のポーズ専用画像幾何学に基づいており、適切な再重み付けによって外れ値のフィルタリングを行っている。 相対回転精度を2$sim$10倍に向上させる。
  論文  参考訳（メタデータ） (2024-01-24T10:35:34Z)
• PointOBB: Learning Oriented Object Detection via Single Point Supervision [55.88982271340328]
  本稿では,オブジェクト指向物体検出のための最初の単一点ベース OBB 生成法である PointOBB を提案する。 PointOBBは、オリジナルビュー、リサイズビュー、ローテーション/フリップ(rot/flp)ビューの3つのユニークなビューの協調利用を通じて動作する。 DIOR-RとDOTA-v1.0データセットの実験結果は、PointOBBが有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:51:50Z)
• CoFiI2P: Coarse-to-Fine Correspondences for Image-to-Point Cloud Registration [9.57539651520755]
  CoFiI2Pは、粗い方法で通信を抽出する新しいI2P登録ネットワークである。 粗いマッチングフェーズでは、均一なグローバル情報と不均一なグローバル情報の両方をキャプチャするために、新しいI2Pトランスフォーマーモジュールが使用される。 微細マッチングモジュールにおいて、スーパーポイント/スーパーピクセル対応のガイダンスにより、ポイント/ピクセル対を確立する。
  論文  参考訳（メタデータ） (2023-09-26T04:32:38Z)
• IMP: Iterative Matching and Pose Estimation with Adaptive Pooling [34.36397639248686]
  我々はEIMPと呼ばれるテキストbfefficient IMPを提案し、潜在的に一致しないキーポイントを動的に破棄する。 YFCC100m、Scannet、Aachen Day-Nightのデータセットに対する実験により、提案手法は精度と効率の点で従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-28T13:25:50Z)
• DeepI2P: Image-to-Point Cloud Registration via Deep Classification [71.3121124994105]
  DeepI2Pは、イメージとポイントクラウドの間のクロスモダリティ登録のための新しいアプローチです。 本手法は,カメラとライダーの座標フレーム間の相対的剛性変換を推定する。 登録問題を分類および逆カメラ投影最適化問題に変換することで難易度を回避する。
  論文  参考訳（メタデータ） (2021-04-08T04:27:32Z)
• Self-supervised Geometric Perception [96.89966337518854]
  自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。 また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
  論文  参考訳（メタデータ） (2021-03-04T15:34:43Z)
• RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
  単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。 その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
  論文  参考訳（メタデータ） (2020-04-03T12:37:58Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。