論文の概要: FlashReg: GPU-Accelerated 3-Clique Point Cloud Registration for Real-Time Correspondence-to-Pose Estimation

• arxiv url: http://arxiv.org/abs/2608.21804v1
• Date: Sat, 22 Aug 2026 06:53:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.474904
• Title: FlashReg: GPU-Accelerated 3-Clique Point Cloud Registration for Real-Time Correspondence-to-Pose Estimation
• Title（参考訳）: FlashReg: リアルタイム対応対Pose推定のためのGPUによる3軸ポイントクラウド登録
• Abstract要約: FlashRegは、ポイントクラウド登録のためのGPU指向の対応推定器である。 その構成は、二項一階グラフから直接キャパシティバウンドのスパース二階グラフを構築する。 同等の登録リコールでTurboRegと比較して2～3倍のレイテンシを実現する。
• 参考スコア（独自算出の注目度）: 7.454629583409613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph-based point cloud registration achieves high robustness by identifying geometrically consistent correspondence sets, but constructing second-order compatibility graphs and enumerating candidate cliques remain compute- and memory-intensive. This work presents FlashReg, a GPU-oriented correspondence-to-pose estimator that avoids materializing the dense scored second-order graph. Its Fast First- and Second-Order Graph (FFSOG) construction builds a capacity-bounded sparse second-order graph directly from the binary first-order graph. A dataflow-optimized three-node clique (3-clique) search then selects pivots from compact per-row candidate pools and enumerates triples through sorted sparse-neighborhood intersections. Across indoor and outdoor benchmarks, FlashReg reduces correspondence-to-pose latency by 2--3x relative to TurboReg at comparable registration recall, while using about 50% of its peak allocated tensor memory on an embedded GPU. These results make FlashReg suitable as a high-throughput registration backend within onboard perception pipelines.
• Abstract（参考訳）: グラフベースの点クラウド登録は、幾何的に一貫した対応集合を識別することで高い堅牢性を達成するが、二階互換性グラフを構築し、候補の斜めを列挙することは、計算とメモリ集約に留まる。 この研究は、密度の高い2階グラフの実体化を回避するGPU指向の対応性推定器であるFlashRegを提示する。 高速1次グラフと2次グラフ(FFSOG)は、キャパシティ境界のスパース2次グラフをバイナリ1次グラフから直接構築する。 データフロー最適化三極傾斜(3-clique)探索は、コンパクトなロー当たり候補プールからピボットを選択し、スパース近傍の交点をソートしてトリプルを列挙する。 屋内および屋外のベンチマーク全体において、FlashRegはTurboRegと同等の登録リコールで、TurboRegのピーク割り当てテンソルメモリの50%を組み込みGPUで使用しながら、コンパレンス・ツー・プレイスレイテンシを2～3倍削減する。 これらの結果により、FlashRegはオンボード認識パイプライン内の高スループット登録バックエンドとして適している。

関連論文リスト

• Hg-I2P: Bridging Modalities for Generalizable Image-to-Point-Cloud Registration via Heterogeneous Graphs [26.54962387458329]
  イメージ・ツー・ポイント・クラウド(I2P)登録は、信頼性の高い2D-3D対応を確立することで、2Dイメージを3Dポイント・クラウドに整列することを目的としている。 我々はHg-I2Pと呼ばれる不均一グラフ埋め込みI2P登録法を提案する。 クロスドメイン設定下での屋内および屋外の6つのベンチマーク実験により、Hg-I2Pは一般化と精度の両方で既存の手法よりも著しく優れていることが示された。
  論文  参考訳（メタデータ） (2026-03-30T02:45:27Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• LiDAR Loop Closure Detection using Semantic Graphs with Graph Attention Networks [12.33137981696787]
  本稿では,グラフ注意ニューラルネットワークを用いてセマンティックグラフを符号化するループ閉鎖検出アルゴリズムを提案する。 次に、セマンティック登録を用いて6DoF相対的なポーズ制約を推定する。 コミュニティの利益のために,提案アルゴリズムの完全な実装をオープンソース化した。
  論文  参考訳（メタデータ） (2025-01-31T18:36:04Z)
• FastMAC: Stochastic Spectral Sampling of Correspondence Graph [55.75524096647733]
  本稿では,対応グラフの領域にグラフ信号処理を導入する最初の研究について述べる。 我々は、対応グラフ上の一般化次数信号を利用し、高周波成分を保存するサンプリング戦略を追求する。 アプリケーションとして,FastMACと呼ばれる,リアルタイムな高速な3D登録アルゴリズムを構築した。
  論文  参考訳（メタデータ） (2024-03-13T17:59:56Z)
• An FPGA-Based Accelerator for Graph Embedding using Sequential Training Algorithm [0.8403582577557918]
  デプロイ後のグラフ構造の変化を処理するために,オンラインシーケンシャルトレーニングアルゴリズムと node2vec を組み合わせることを提案する。 提案されたFPGA実装は、ARM Cortex-A53 CPUのオリジナルのモデルと比較して最大205.25倍の高速化を実現している。
  論文  参考訳（メタデータ） (2023-12-23T02:24:59Z)
• ZeroReg: Zero-Shot Point Cloud Registration with Foundation Models [77.84408427496025]
  最先端の3Dポイントクラウド登録方法は、トレーニングのためにラベル付き3Dデータセットに依存している。 我々は2次元基礎モデルを用いて3次元対応を予測するゼロショット登録手法であるZeroRegを紹介する。
  論文  参考訳（メタデータ） (2023-12-05T11:33:16Z)
• INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
  計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。 InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。 1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
  論文  参考訳（メタデータ） (2023-08-11T04:24:39Z)
• Robust Point Cloud Registration Framework Based on Deep Graph Matching(TPAMI Version) [13.286247750893681]
  3Dポイントクラウドの登録は、コンピュータビジョンとロボティクスの基本的な問題である。 本稿では,ポイントクラウド登録のための新しいディープグラフマッチングベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-09T06:05:25Z)
• Sketch-Based Anomaly Detection in Streaming Graphs [89.52200264469364]
  動的グラフからのグラフエッジのストリームを前提に、オンライン形式でエッジやサブグラフに異常スコアを割り当てるにはどうすればよいのか? 本手法は,高密度部分グラフ探索を取り入れた最初のストリーミング手法であり,一定時間におけるグラフ異常を検出する。
  論文  参考訳（メタデータ） (2021-06-08T16:10:36Z)
• Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking [79.80401607146987]
  既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。 本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-09-21T08:12:02Z)
• Accelerating Graph Sampling for Graph Machine Learning using GPUs [2.9383911860380127]
  NextDoorはGPUリソース上でグラフサンプリングを実行するように設計されたシステムである。 NextDoorは、トランジット並列性(transit-parallelism)と呼ばれるグラフサンプリングに新しいアプローチを採用しています。 我々はいくつかのグラフサンプリングアプリケーションを実装し、NextDoorが既存のシステムよりも桁違いに高速に動作していることを示す。
  論文  参考訳（メタデータ） (2020-09-14T19:03:33Z)

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。