論文の概要: Closed-form Bayesian homography estimation from noisy point correspondences

• arxiv url: http://arxiv.org/abs/2609.15227v1
• Date: Mon, 14 Sep 2026 08:47:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.194727
• Title: Closed-form Bayesian homography estimation from noisy point correspondences
• Title（参考訳）: 雑音点対応による閉形式ベイズホモグラフィー推定
• Abstract要約: 不確実性は、カメラキャリブレーションや3D再構成などのその後の処理ステップに伝播する。 点対応からのホモグラフィー推定のための高速ベイズ定式化を提案する。 異なる雑音条件下でのDLTによる推定精度の向上を示す。
• 参考スコア（独自算出の注目度）: 2.6212127510234797
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While homographies are fundamental to many computer vision tasks, the majority of conventional estimation techniques provide only point estimates without directly quantifying uncertainty introduced by noisy observations. Uncertainty, though, propagates to subsequent processing steps such as camera calibration and 3D reconstruction and is particularly relevant in safety-critical and socially relevant fields including medical imaging, autonomous driving, and defense. We present a fast Bayesian formulation for homography estimation from point correspondences that explicitly incorporates measurement uncertainty and prior knowledge while providing a posterior distribution over the homography parameters. A closed-form solution of the posterior mean of the homography is derived in homogeneous coordinates and supplemented by an iterative Bayesian approach to handle non-linearities. Synthetic experiments demonstrate the applicability to projective transformations and show improved estimation accuracy over DLT under varying noise conditions. Image stitching experiments further demonstrate applicability to real image correspondences while additionally providing uncertainty information.
• Abstract（参考訳）: ホモグラフィーは多くのコンピュータビジョンタスクに基本的なものであるが、従来の推定手法の大半はノイズ観測によって導入された不確実性を直接定量化することなく、点推定のみを提供する。 しかし、不確実性は、カメラキャリブレーションや3D再構成などのその後の処理ステップに伝播し、特に医療画像、自律運転、防衛など、安全クリティカルで社会的に関係のある分野に関係している。 本稿では,計測の不確かさと事前知識を明示的に含みつつ,ホモグラフィパラメータに後続分布を付与する,ポイント対応からのホモグラフィ推定のための高速ベイズ式を提案する。 ホモグラフィーの後方平均の閉形式解は等質座標で導出され、非線型性を扱うための反復ベイズ的アプローチによって補足される。 合成実験は、射影変換への適用性を実証し、様々な雑音条件下でのDLTによる推定精度の向上を示した。 画像縫合実験は、さらに実際の画像対応に適用可能であるとともに、不確実性情報も提供する。

関連論文リスト

• 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)
• Predictive Photometric Uncertainty in Gaussian Splatting for Novel View Synthesis [9.936999820242244]
  本稿では,画素単位,ビュー依存型予測不確実性推定のための軽量なプラグアンドプレイフレームワークを提案する。 本手法は,復元残差に対するベイズ正規化線形最小二乗最適化として不確かさを定式化する。 このアーキテクチャに依存しないアプローチは、下層のシーン表現を変更することなく、プリミティブごとの不確実性チャネルを抽出する。
  論文  参考訳（メタデータ） (2026-03-24T04:21:42Z)
• Uncertainty Quantification Framework for Aerial and UAV Photogrammetry through Error Propagation [5.146618378243241]
  点雲の点ごとの精度認証を提供するためには、光グラム法プロセスの不確かさの定量化が不可欠である。 本稿では,この2段階のフォトグラム法における誤差共分散行列を点当たりに関連付けることにより,不確実性定量化の枠組みを提案する。 既存の手法と比較して,本手法ではMVSプロセスから直接抽出した自己完結型,信頼性の高い3次元点を用いる。
  論文  参考訳（メタデータ） (2025-07-17T18:50:01Z)
• Epistemic Uncertainty for Generated Image Detection [107.62647907393377]
  本稿では,創成モデルの時代において重要なセキュリティ問題に対処することを目的とした,てんかん不確実性によるAI生成画像検出のための新しいフレームワークを提案する。 我々の重要な洞察は、トレーニングとテストデータの分布の相違が、機械学習モデルのエピステマティック不確実性空間に顕著に現れていることに起因している。
  論文  参考訳（メタデータ） (2024-12-08T11:32:25Z)
• On the Estimation of Image-matching Uncertainty in Visual Place Recognition [7.769607568805291]
  ビジュアルプレース認識(VPR)では、画像と参照画像のマップと既知の参照ポーズとを比較して、クエリ画像のポーズを推定する。 この研究は、画像マッチングの不確実性を推定するための主要なアプローチを初めて比較した。 簡単なベースライン法であるSUE'を定式化し、他の方法と異なり、地図上の参照画像の自由なポーズを考える。
  論文  参考訳（メタデータ） (2024-03-31T03:24:48Z)
• Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
  シーン適応型赤外線と可視画像の登録を提案する。 我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。 我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
  論文  参考訳（メタデータ） (2023-04-12T06:49:56Z)
• 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)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Learning Accurate Dense Correspondences and When to Trust Them [161.76275845530964]
  2つの画像に関連する密度の高い流れ場と、堅牢な画素方向の信頼度マップの推定を目指しています。 フロー予測とその不確実性を共同で学習するフレキシブルな確率的アプローチを開発する。 本手法は,幾何学的マッチングと光フローデータセットに挑戦する最新の結果を得る。
  論文  参考訳（メタデータ） (2021-01-05T18:54:11Z)
• Quantifying Sources of Uncertainty in Deep Learning-Based Image Reconstruction [5.129343375966527]
  本稿では,学習反復画像再構成におけるアレタリックおよびエピステマティック不確かさを同時に定量化する,スケーラブルで効率的なフレームワークを提案する。 本手法は,スパークビューと制限角度データの両方を用いて,従来の計算トモグラフィーのベンチマークと競合する性能を示す。
  論文  参考訳（メタデータ） (2020-11-17T04:12:52Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

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。