論文の概要: MomentBA: Second-order Spatial Moments for Anisotropic Correspondence Uncertainty in Differentiable Bundle Adjustment

• arxiv url: http://arxiv.org/abs/2609.13691v1
• Date: Sat, 12 Sep 2026 03:58:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.475277
• Title: MomentBA: Second-order Spatial Moments for Anisotropic Correspondence Uncertainty in Differentiable Bundle Adjustment
• Title（参考訳）: MomentBA:異方性対応不確かさに対する2次空間モーメント
• Abstract要約: 局所的類似性応答の2次空間モーメントから異方性対応の不確かさを導出する幾何対応バンドル調整フレームワークであるMomentBAを提案する。 EuRoC MAVとTartanAir v1のハードデータセットの実験では、MomentBAは既存の機能ベースや学習ベースのアプローチと比較して、モノラルな視覚計測精度を改善することが示されている。
• 参考スコア（独自算出の注目度）: 25.614583001276767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most existing visual odometry (VO) systems treat feature correspondences as deterministic measurements or assign uniform uncertainty, ignoring the inherent localization ambiguity of different observations. However, correspondence uncertainty is often anisotropic due to image structures such as edges, repetitive patterns, and motion blur, which can significantly affect geometric optimization. In this work, we propose MomentBA, a geometry-aware bundle adjustment framework that derives anisotropic correspondence uncertainty from second-order spatial moments of local similarity responses. Instead of introducing additional covariance prediction networks, the proposed method directly converts matching response distributions into interpretable covariance estimates and incorporates them into bundle adjustment as correspondence-specific information matrices for uncertainty-aware residual weighting. Furthermore, the proposed formulation is integrated into a differentiable optimization framework, establishing a direct connection between correspondence uncertainty and geometric estimation. Experiments on the EuRoC MAV and TartanAir v1 Hard datasets demonstrate that MomentBA improves monocular visual odometry accuracy compared with existing feature-based and learning-based approaches. The proposed anisotropic covariance model achieves lower rotational errors and more robust trajectory estimation than fixed and isotropic uncertainty models, validating the effectiveness of geometry-induced uncertainty modeling for challenging visual environments.
• Abstract（参考訳）: 多くの既存のビジュアル・オドメトリー(VO)システムは、特徴対応を決定論的測定として扱うか、不確実性を均一に割り当てる。 しかし、対応の不確実性は、エッジ、繰り返しパターン、動きのぼかしなどの画像構造によってしばしば異方性であり、幾何的最適化に大きな影響を及ぼす可能性がある。 本研究では,局所的類似性応答の2次空間モーメントから異方性対応の不確かさを導出する幾何対応バンドル調整フレームワークであるMomentBAを提案する。 提案手法は,追加の共分散予測ネットワークを導入する代わりに,一致した応答分布を直接解釈可能な共分散推定に変換し,不確実性を考慮した残重み付けのための対応固有情報行列としてバンドル調整に組み込む。 さらに,提案した定式化を微分可能な最適化フレームワークに統合し,対応の不確かさと幾何推定との直接的な関係を確立する。 EuRoC MAVとTartanAir v1のハードデータセットの実験では、MomentBAは既存の機能ベースや学習ベースのアプローチと比較して、モノラルな視覚計測精度を改善することが示されている。 提案した異方性共分散モデルにより,固定および等方性不確実性モデルよりも低回転誤差とより頑健な軌道推定が可能となり,幾何誘起不確実性モデルの有効性が検証された。

関連論文リスト

• Variational Parameter Calibration with Physics-Aware Latent-Space Surrogates [3.5829219417440368]
  本稿では,物理を意識したニューラルネットワークに基づく遅延空間フレームワークについて紹介する。 提案したオートエンコーダに基づくアプローチは,物理パラメータを潜在表現によって予測された流れ場にマッピングする,微分可能なサロゲートを与える。
  論文  参考訳（メタデータ） (2026-08-11T21:02:31Z)
• Sensor-Informed Per-Point Covariance for Structured-Light 3D Imaging [0.0]
  点当たりの不確実性モデルは、確率的登録、融合、品質評価のための構造化光3次元再構成において重要である。 本稿では,実験的な位相精度と校正写像から点毎の3 x 3共分散場を構築するためのセンサインフォームド一階法を提案する。
  論文  参考訳（メタデータ） (2026-08-11T13:05:22Z)
• Rethinking Structural Anomaly Detection: From Decision Boundaries to Projection Operators [51.771100367755544]
  本稿では,既存手法の帰納バイアスとデータ構造とのミスマッチに対処する幾何学的視点を提案する。 具体的には、正規サンプルの多様体上の射影作用素を学習し、この射影によって変更される場合、サンプルを異常として定義する。 特に、プロジェクション品質の観点から、その成功と失敗を説明することによって、再構築に基づく手法の統一的な解釈を提供する。
  論文  参考訳（メタデータ） (2026-06-13T12:37:20Z)
• EpiDiffVO: Geometry-Aware Epipolar Diffusion for Robust Visual Odometry [0.0]
  画像対から相対的なポーズを推定するには、幾何学的に一貫した対応の最小限のサブセットしか必要としない。 幾何学的整合性に最適化されたコンパクトな対応セットを予測できるスパースエピポーラマッチングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-19T08:53:26Z)
• Aligning Network Equivariance with Data Symmetry: A Theoretical Framework and Adaptive Approach for Image Restoration [71.51826063983434]
  画像復元は本質的に逆問題である。 非厳密対称性を制約として、復元逆問題を定式化する。 最適復元演算子の等値誤差はデータ対称性誤差と離散化メッシュサイズによって厳密に制限されていることを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:22:19Z)
• An Isotropic Approach to Efficient Uncertainty Quantification with Gradient Norms [7.439615448864818]
  本稿では,ニューラルネットワークの予測不確実性を定量化する軽量な手法を提案する。 予測の勾配における不確実性を表現する一階テイラー展開とパラメータ共分散に関する等方性仮定の2つの近似を用いる。 次に,各不確実性型が解答正解の予測に有用であるかどうかを,大言語モデルを用いて検討する。
  論文  参考訳（メタデータ） (2026-03-31T09:13:09Z)
• Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
  乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。 以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-22T19:06:39Z)
• Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
  TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。 我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。 並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
  論文  参考訳（メタデータ） (2025-08-28T07:09:21Z)
• On Equivariant Model Selection through the Lens of Uncertainty [49.137341292207]
  等変モデルは、予測性能を改善するために対称性に関する事前の知識を活用するが、不特定なアーキテクチャ上の制約がそれを傷つける可能性がある。 我々は、頻繁な(コンフォーマル予測による)、ベイジアン(限界確率による)、およびキャリブレーションに基づく評価による誤りに基づく評価の比較を行った。 不確実性指標は一般的に予測性能と一致するが,ベイズ模型の証拠は矛盾する。
  論文  参考訳（メタデータ） (2025-06-23T13:35:06Z)
• AirIMU: Learning Uncertainty Propagation for Inertial Odometry [29.093168179953185]
  ストラップダウン慣性測定装置(IMU)を用いた慣性計測(IO)は多くのロボット応用において重要である。 データ駆動手法により不確実性、特に非決定論的誤差を推定するハイブリッド手法であるAirIMUを提案する。 ハンドヘルドデバイス,車両,および262kmの軌道をカバーするヘリコプターなど,さまざまなプラットフォーム上での有効性を実証する。
  論文  参考訳（メタデータ） (2023-10-07T17:08:22Z)
• Diffeomorphic Mesh Deformation via Efficient Optimal Transport for Cortical Surface Reconstruction [40.73187749820041]
  メッシュ変形は、動的シミュレーション、レンダリング、再構成を含む多くの3次元視覚タスクにおいて重要な役割を果たす。 現在のディープラーニングにおける一般的なアプローチは、2つのメッシュからランダムにサンプリングされた2つの点雲とシャンファーの擬似距離を比較することで、2つの面間の差を測定するセットベースアプローチである。 本稿では,メッシュのスライスされたワッサーシュタイン距離を,セットベースアプローチを一般化する確率測度として表現したメッシュ変形の学習指標を提案する。
  論文  参考訳（メタデータ） (2023-05-27T19:10:19Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。