論文の概要: PnP*: A certifiable solver for Perspective-n-Point

• arxiv url: http://arxiv.org/abs/2610.31797v1
• Date: Thu, 22 Oct 2026 18:38:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.263712
• Title: PnP*: A certifiable solver for Perspective-n-Point
• Title（参考訳）: PnP*: Perspective-n-Point の証明解法
• Abstract要約: 3D-2D対応からカメラのポーズを推定することは、コンピュータ計算における最も基本的な問題の1つである。 Likelihood Maximum Estimation (LE) のためのスケーラブルな証明可能解法 基礎となる凸緩和は、中程度の雑音下では正確であることを示す。
• 参考スコア（独自算出の注目度）: 2.9802157303754844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating a camera pose from 3D-2D correspondences - Perspective-n-Point - is one of the most fundamental problems in computer vision. Existing methods either solve a minimal problem or replace the objective with an easier one. Surprisingly, no scalable certifiable solver for the actual Maximum Likelihood Estimation (MLE) exists. We propose PnP*, the first practical solver that guarantees efficient computation and returns a certifiable globally optimal solution. We prove that the underlying convex relaxation is exact under moderate noise, which to our knowledge is the first stability guarantee for any relaxation for the MLE of PnP. Furthermore, we reduce the relaxation by exploiting chordal sparsity pattern and quotient ring reduction such that the relaxation is tractable and scalable. The stability and scalability results are verified numerically, as PnP* returns a provably correct camera pose at over 10 Hz.
• Abstract（参考訳）: 3D-2D対応からカメラのポーズを推定する - Perspective-n-Point - はコンピュータビジョンにおける最も基本的な問題の1つである。 既存のメソッドは最小限の問題を解決するか、目的をより簡単なものに置き換える。 驚くべきことに、MLE(Maximum Likelihood Estimation)のためのスケーラブルな証明可能な解決器は存在しない。 そこで我々は,PnP*を提案する。PnP*は,効率的な計算を保証し,証明可能な大域的最適解を返す最初の実用的な解法である。 我々は,PnP の MLE の緩和に対する最初の安定性保証である中等雑音下での凸緩和が完全であることを証明した。 さらに, 弦の間隔パターンと商環の縮小を利用して緩和を緩和し, 緩和性および拡張性を高める。 PnP*は10Hz以上の精度でカメラポーズを返すので、安定性とスケーラビリティは数値的に検証される。

関連論文リスト

• Learning Which Correspondences to Trust: Confidence-Weighted Event-Camera Localization in LiDAR Maps [11.936019630958024]
  既存のパイプラインは、ポーズ推定時の幾何学的コンセンサスに依存している。 学習の自然な方法、つまり、学習の信頼を拘束するために対応誤差を使うことは、深度に依存したバイアスに悩まされることが示されます。
  論文  参考訳（メタデータ） (2026-10-08T13:45:54Z)
• Dynamic View Synthesis from Small Camera Motion Videos [56.359460602781304]
  分布に基づく奥行き正規化に基づく動的3ドルDシーンのための新しいビュー合成を提案する。 また、光線に沿った物体境界がほぼゼロとなる前に空間点の体積密度を強制する制約を導入し、我々のモデルがシーンの正確な幾何学を学べるようにした。 我々は,小さなカメラモーション入力によるシーン表現におけるアプローチの有効性を実証するために,広範囲な実験を行い,その結果を最先端の手法と比較した。
  論文  参考訳（メタデータ） (2025-06-29T09:17:55Z)
• Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
  本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。 本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。 2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
  論文  参考訳（メタデータ） (2024-09-24T04:39:47Z)
• FAR: Flexible, Accurate and Robust 6DoF Relative Camera Pose Estimation [30.710296843150832]
  画像間の相対的なカメラのポーズを推定することは、コンピュータビジョンにおいて中心的な問題となっている。 私たちのアプローチは、正確かつ堅牢な結果をもたらします。 包括的解析は設計選択をサポートし,提案手法が様々な特徴抽出器や対応推定器に柔軟に適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-03-05T18:59:51Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Neural Reprojection Error: Merging Feature Learning and Camera Pose Estimation [38.47125921410426]
  Reprojection Errors (RE) の代替として Neural Reprojection Error (NRE) を紹介します。 NREは、機能学習問題と組み合わせることで、カメラのポーズ推定問題を再考することができる。 また,カメラのポーズに関して,NRE項の和を極めて効率的に最小化できる粗大な最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-03-12T09:00:28Z)
• P1AC: Revisiting Absolute Pose From a Single Affine Correspondence [38.350811942642565]
  キャリブレーションカメラのポーズを推定する問題に対する,最初の一般解を提案する。 このアプローチの利点は、単一の対応しか必要としないことです。 P1ACは広く使われているP3Pアルゴリズムよりも正確な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-11-17T17:36:16Z)
• Robust Uncertainty-Aware Multiview Triangulation [20.02647320786556]
  マルチビュー三角測量と不確実性推定のための頑健で効率的な手法を提案する。 まず、中間点法を用いた2視点RANSACを用いた外乱除去方式を提案する。 第二に、初期解と不整集合を精製する異なる局所最適化法を比較する。 第三に、三角点の不確かさを、カメラの数、平均再投影誤差、最大パララックス角の3つの要素の関数としてモデル化する。
  論文  参考訳（メタデータ） (2020-08-04T00:47:42Z)
• One Ring to Rule Them All: Certifiably Robust Geometric Perception with Outliers [32.1176248075545]
  本稿では,大量の外れ値が存在する場合の認識のための認証アルゴリズムを設計するための,最初の汎用的かつ実用的な手法を提案する。 我々の双対証明器は任意の問題の解の最適部分最適性を利用する。
  論文  参考訳（メタデータ） (2020-06-11T19:46:42Z)

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。