論文の概要: Rolling Shutter Relative Pose Estimation Made Practical
- arxiv url: http://arxiv.org/abs/2606.26863v1
- Date: Thu, 25 Jun 2026 10:47:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.23894
- Title: Rolling Shutter Relative Pose Estimation Made Practical
- Title（参考訳）: 転がりシャッター相対ポーズ推定の実用化
- Abstract要約: ローリングシャッター(RS)カメラは、ほぼすべての消費者向けデバイスに装備されているが、RS対応の相対ポーズ推定は実用的ではない。
RS2ビュー幾何にアフィン対応を導入することで、RS相対ポーズ推定を実践する。
線形化代数解法を開発し、7つのACからポーズとRSの運動を推定する。
- 参考スコア（独自算出の注目度）: 44.34783867819894
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rolling shutter (RS) cameras equip virtually all consumer devices, yet RS-aware relative pose estimation has remained impractical: the state-of-the-art solver requires a minimum of 20 point correspondences, making RANSAC-based robust estimation prohibitively expensive due to the exponential dependence of the iteration count on the sample size. We make RS relative pose estimation practical by introducing affine correspondences (ACs) into the RS two-view geometry. We derive novel \emph{RS-corrected affine constraints} that account for the coupling between point perturbations and the row-dependent essential matrix, providing two equations per correspondence beyond the standard epipolar constraint. Building on these constraints, we develop a linearized algebraic solver that estimates pose and RS motion from only 7 ACs. The solver exploits the physical smallness of RS parameters to linearize the constraints, eliminates the 12 RS unknowns via null-space projection, and solves the remaining degree-20 system via action matrices in 1.2\,ms. On the TUM RS benchmark, our method achieves the best pose and RS parameter accuracy among all tested methods and, uniquely among RS solvers, provides accurate translational velocity estimates -- which are poorly conditioned from point correspondences alone due to a $\vec{v}$-$\vec{t}$ coupling. On the global-shutter EuRoC MAV dataset, the solver achieves comparable accuracy to the standard 5-point algorithm, demonstrating that it generalizes well to the GS setting. Code is at https://github.com/danini/rolling_shutter_made_practical.
- Abstract（参考訳）: ローリングシャッター(RS)カメラは、ほぼすべての消費者向けデバイスに装備されているが、RSを意識した相対的なポーズ推定は実用的ではない。
RS2ビュー幾何にアフィン対応(AC)を導入することで、RS相対ポーズ推定を実践する。
我々は、点摂動と行依存の本質行列との結合を考慮に入れ、標準の極性制約を超えて対応する2つの方程式を与える、新規な \emph{RS-corrected affine constraints} を導出する。
これらの制約に基づいて,7個のACからポーズとRSの運動を推定する線形代数解法を開発した。
この解法は、RSパラメータの物理的小ささを利用して制約を線形化し、ヌル空間射影により12個のRS未知を除去し、1.2\,msのアクション行列を介して残りの次数-20システムを解く。
TUM RSベンチマークでは,提案手法は全ての試験手法の中で最高のポーズとRSパラメータの精度を達成し,一意にRSソルバでは正確な翻訳速度推定値を提供するが,これは$\vec{v}$-$\vec{t}$結合のため,点対応だけでは不適切な条件である。
グローバルシャッターEuRoC MAVデータセットでは、標準の5点アルゴリズムに匹敵する精度を達成し、GS設定によく当てはまることを示した。
コードはhttps://github.com/danini/rolling_shutter_made_practicalにある。
関連論文リスト
- Rolling Shutter Camera Self-Calibration [16.655500623025226]
ローリングシャッター (RS) カメラはコンシューマーデバイスで広く使われているが、ローリングシャッターの露光は動きの歪みを引き起こす。
既存のRSキャリブレーション手法はキャリブレーションターゲットや特別なハードウェアに依存しており、制約のない設定での使用を制限する。
本稿では,カメラの内在性を直接推定し,画像列から読み出し時間比を推定する,RSカメラの最初の自己校正手法を提案する。
論文 参考訳（メタデータ） (2026-08-02T21:43:46Z) - Parallel Diffusion Solver via Residual Dirichlet Policy Optimization [88.7827307535107]
拡散モデル(DM)は、最先端の生成性能を達成したが、シーケンシャルなデノナイジング特性のため、高いサンプリング遅延に悩まされている。
既存のソルバベースの加速度法では、低次元の予算で画像品質が著しく低下することが多い。
本研究では,各ステップに複数の勾配並列評価を組み込んだ新しいODE解法であるEnsemble Parallel Directionsolvr(EPD-EPr)を提案する。
論文 参考訳（メタデータ） (2025-12-28T05:48:55Z) - Dual Randomized Smoothing: Beyond Global Noise Variance [4.921570751023892]
ランダム化平滑化(Randomized Smoothing, RRS)は、ニューラルネットワークの対向摂動に対する堅牢性を証明する技術である。
RSでは、小さなラジイで高い精度を達成するには、小さなノイズばらつきを必要とするが、大きなラジイで高い精度を達成するには、大きなノイズばらつきを必要とする。
本稿では,入力依存型雑音分散を実現するための2つのRSフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-01T15:23:00Z) - Pixel to Gaussian: Ultra-Fast Continuous Super-Resolution with 2D Gaussian Modeling [50.34513854725803]
Arbitrary-scale Super- resolution (ASSR) は、低解像度(LR)入力から任意のアップサンプリング係数で高解像度(HR)イメージを再構成することを目的としている。
本稿では,Gaussian Splattingを用いたLR画像から2次元連続HR信号を明示的に再構成する,Pixel-to-Gaussianパラダイムを用いた新しいContinuousSRフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-09T13:43:57Z) - Multi-Irreducible Spectral Synchronization for Robust Rotation Averaging [1.2289361708127877]
雑音の測定値として、SO$における未知の向きの集合を$R_1, ..., R_Nで推定する方法を示す。
その結果, 正確な推定を実現するために, エフェクトが保証される計測ネットワークを考案する方法が示唆された。
論文 参考訳（メタデータ） (2023-11-28T06:25:26Z) - 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) - Constrained Optimization via Exact Augmented Lagrangian and Randomized
Iterative Sketching [55.28394191394675]
等式制約付き非線形非IBS最適化問題に対する適応的不正確なニュートン法を開発した。
ベンチマーク非線形問題,LVMのデータによる制約付きロジスティック回帰,PDE制約問題において,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-05-28T06:33:37Z) - A Stochastic Proximal Method for Nonsmooth Regularized Finite Sum
Optimization [7.014966911550542]
スパースサブ構造を検索するために,非滑らかな正規化を伴うディープニューラルネットワークをトレーニングする問題を考察する。
我々は、収束と最悪のケースの複雑さが勾配のリプシッツ定数の知識や近似なしで確立されるSR2と呼ばれる新しい解法を導出する。
CIFAR-10とCIFAR-100で訓練されたネットワークインスタンスの実験により、SR2はProxGENやProxSGDのような関連する手法よりも常に高い空間性と精度を達成することが示された。
論文 参考訳（メタデータ） (2022-06-14T00:28:44Z) - Efficient semidefinite bounds for multi-label discrete graphical models [6.226454551201676]
このようなモデルにおける主要なクエリの1つは、Posteri(MAP)ネットワークのコストに関するSDPWCSP関数を特定することである。
従来の二重化制約手法と,行ごとの更新に基づく専用SDP/Monteiroスタイルの手法を検討する。
論文 参考訳（メタデータ） (2021-11-24T13:38:34Z) - Square Root Bundle Adjustment for Large-Scale Reconstruction [56.44094187152862]
QR分解によるランドマーク変数のnullspace marginalizationに依存するバンドル調整問題の新たな定式化を提案する。
平方根束調整と呼ばれる私たちのアプローチは、一般的に使用されるSchur補完トリックと代数的に等価です。
BALデータセットを用いた実世界での実験では、提案されたソルバが単一の精度でも平均的等しく正確なソリューションで達成できることを示す。
論文 参考訳（メタデータ） (2021-03-02T16:26:20Z) - Fast and Robust Certifiable Estimation of the Relative Pose Between Two
Calibrated Cameras [0.0]
カメラの相対Pose問題(RPp)は、2つのカメラ間のペアワイズ回転のセットを与えられた相対方向変換(構成)を目指しています。
本稿では,検出された最適解の比率を高めるための証明書群について紹介する。
提案手法が高速でロバストなポーズ推定を実現することを,合成および実データにより証明する。
論文 参考訳（メタデータ） (2021-01-21T10:07:05Z)
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。